03 2016 档案

python使用httplib2访问REST服务的例子
摘要：首先你需要安装httplib2，这个可以在github上找到； 然后你需要获得一个http连接的对象：con = httplib2.Http() 然后你需要发起连接：（6）resp, （5）content = con.request( （1）BAIDU_COM_API_COMMENTS, （2）method="POST", body=（3）body,headers=（4）header_data)参... 阅读全文
posted @ 2016-03-30 23:17 永远是学生 阅读(2601) 评论(0) 推荐(0) 编辑
机器学习实战-ch3-决策树
摘要：决策树是一种新算法： 优点：计算复杂度不高，输出结果易于理解，对中间值的缺失不敏感，可以处理不相关特征数据。缺点：可能会产生过度匹配问题。 决策树算法可用于数据类型：数值型和标称型。 决策树的核心在于选择正确的属性对数据进行划分。选择的标准是数据增益。信息增益：讲无序的数据变得更加有序。 信息增益熵：如果把X分成n个类，每个类的概率为p（i），那么-log（p（i））的期望就是熵。 如果分成... 阅读全文
posted @ 2016-03-29 23:06 永远是学生 阅读(178) 评论(0) 推荐(0) 编辑
机器学习实战-ch2-有标签的聚类算法
摘要：本书中的这个聚类算法多少有些让人意外。通常的聚类算法是这样的： 给定一堆点； 给定一个距离计算的算法； 给定一个cluster之间的距离d，或者最小的cluster数目k； 初始化，每个点作为初始集群的中心； 循环直到cluster个数小于K，或者任意两个cluster的距离大于d； 计算每个点i到每个中心点j之间的距离，Dij； 将绝对值最小的节点 i 汇总到cluster j中； 重新计算... 阅读全文
posted @ 2016-03-27 22:26 永远是学生 阅读(1022) 评论(0) 推荐(0) 编辑
统计推断3：随机变量变换，期望，方差
摘要：随机变量之间的存在映射关系。假如现实中随机变量X的概率分布很复杂，不容易看清楚，但是如果对X取一个函数，就会比较简单；那么我们可以定义Y=g(x)，的随机变量。有几个定理来描述Fx和Fy之间的对应关系，主要是依赖于微分的链式法则。同时还要考虑g函数是递增还是递减的。但是从使用的角度出发，如果知道了： y的分布； 知道了x和y的映射关系； 何必那么麻烦去计算x的分布呢？ 求分布的目的不就是求概率吗... 阅读全文
posted @ 2016-03-27 21:40 永远是学生 阅读(1165) 评论(0) 推荐(0) 编辑
linux上安装python2.7.11
摘要：好久不玩儿linux了，本来就不熟，现在几乎白痴。步骤如下： 从python官网上下载python的源代码 tar zvxf后得到一个文件夹； 进入Python-2.7.11，按照https://docs.python.org/2/using/unix.html#building-python 的指示， 先执行configure，他会生成Makefile make 编译 make instal... 阅读全文
posted @ 2016-03-25 19:50 永远是学生 阅读(356) 评论(0) 推荐(0) 编辑
统计推断2：随机变量和概率密度
摘要：概率统计的是样本空间中具有特定性质的样本出现的频率。比如抛3个硬币，样本空间是：正正正，正正反，…………，反反反。如果我们只关心正面出现的次数，那么我们可以定义一个函数： f（样本）—》 实数 这样的函数就称为随机变量。简单的理解，它是样本的一个属性值。随机变量的意义在于把样本变成了数据，“样本”是个矢量，而随机变量是个标量。 ------------- 有了随机变量，我们就能定义累积分布函数，该... 阅读全文
posted @ 2016-03-24 22:55 永远是学生 阅读(568) 评论(0) 推荐(0) 编辑
职业程序员的知识体系
摘要：今天看到一篇文章，说人的知识分成两种，惰性知识和活性知识。那些对我们的工作，生活没有帮助的知识，称为惰性知识。惰性知识是用来装门面的，吹牛的。他不能解决我们的问题，只是填补我们生活的空虚。比如金鱼的记忆有几秒，就属于这种惰性知识。不过根据我最近的经验，我发现每天早上，当鱼儿们看见我拿起装鱼食的瓶子时，都很激动。这显然不是几秒记忆所能办到的。 为什么会有惰性知识呢？当一个知识不能与我们已有的知识... 阅读全文
posted @ 2016-03-23 23:32 永远是学生 阅读(1763) 评论(0) 推荐(1) 编辑
领域驱动设计-入门
摘要：领域驱动设计围绕着对象进行设计，类似于传统的OO，但是还是不同的。 传统的OO更像是贫血的领域对象，它具有数据，很多get set方法，但是缺少业务逻辑。客户端使用时，需要进行一大串的set操作。举个栗子： 这种方式中customer是一个贫血的领域对象，客户端必须进行很多的set，最后调用dao进行保存。 --------------- 那么，怎样才是不贫血的领域对象呢？主要看两点：boun... 阅读全文
posted @ 2016-03-22 23:06 永远是学生 阅读(223) 评论(0) 推荐(0) 编辑
我理解的条件概率
摘要：概率是指事件发生的可能性。 首先描述一个场景，A，B，C，D四个玩家，每人3张牌，前面2张都公开，后面一张不公开。 刚开始时，让你估算下其他3个玩家拿到3张A的可能性。它等于4/C（54,3）。 这个概率对每个人，任何时刻都是一样的，他就是一个客观的数据，从实用的角度来说，它没有意义。这对大家都是一样的。 什么用都没有。这个概率对谁都是一样的，没有人会因为这个数字跟牌或者弃牌。 但是随着牌局的进展... 阅读全文
posted @ 2016-03-20 22:08 永远是学生 阅读(4591) 评论(0) 推荐(1) 编辑
N个不同球取出M个的组合个数求解
摘要：Technorati 标签: 组合,概率 从N个不同的球中取出M个，一共有多少种取法？ 这个问题是组合数据的基本问题，考虑拿出球是否放回，拿出去的球是否有序，它有4种变体： 不放回，有序； 不放回，无序； 放回，无序； 放回，有序； 对于第一种，取出M个球，第一个有N种可能，第二个N-1种可能，依次类推，M个球共有: N*(N-1)*(N-2)*..*(N-M+1)， 举个例子：3个同学（A，B... 阅读全文
posted @ 2016-03-20 16:14 永远是学生 阅读(6836) 评论(0) 推荐(0) 编辑