随笔分类 - .NET开源项目
.NET开源项目，分析，使用，介绍等等
摘要：
由于数据表和业务是直接相关的，没有时间将所有相关业务都简述清楚，所以也只好将需求和表设计一起进行。相辅相成吧，如果思路有问题，大家可以交流提出自己的想法，当然必须要对足球赛事资料库有一定的了解和接触才行，本人也是走了很多弯路的。考虑到系统数据表很多，按照功能不同，分为基础数据表，比赛相关表，赔率相关表，以及特殊数据表4个部分分别进行讲解，请大家关注博客。
阅读全文
由于数据表和业务是直接相关的，没有时间将所有相关业务都简述清楚，所以也只好将需求和表设计一起进行。相辅相成吧，如果思路有问题，大家可以交流提出自己的想法，当然必须要对足球赛事资料库有一定的了解和接触才行，本人也是走了很多弯路的。考虑到系统数据表很多，按照功能不同，分为基础数据表，比赛相关表，赔率相关表，以及特殊数据表4个部分分别进行讲解，请大家关注博客。
阅读全文
摘要：五一后的第一周，由于搬家腰扭伤了，没注意导致压迫神经，躺在床上休息了好几天。所以没事就挂 QQ，一个网友突然问了我一个算法问题。所以有了这篇文章。感触很深，所以特发此文，以纪念和写给新朋友，以及那些热爱编程的非专业人事。有时候思路决定出路。本人可能技术含量很低，但都很真实。虽然我只花了很少的时间，但解决了这个网友困惑了1年的问题，这个网友倒是特别感激，而我倒是感觉特别心塞。那大家喝杯茶，看看这个过程吧。
阅读全文
五一后的第一周，由于搬家腰扭伤了，没注意导致压迫神经，躺在床上休息了好几天。所以没事就挂 QQ，一个网友突然问了我一个算法问题。所以有了这篇文章。感触很深，所以特发此文，以纪念和写给新朋友，以及那些热爱编程的非专业人事。有时候思路决定出路。本人可能技术含量很低，但都很真实。虽然我只花了很少的时间，但解决了这个网友困惑了1年的问题，这个网友倒是特别感激，而我倒是感觉特别心塞。那大家喝杯茶，看看这个过程吧。
阅读全文
摘要：考虑到足球赛事资料库的复杂性，以及考虑到项目的前瞻性（要考虑到很多还没有发生的事情，便于以后扩展），以及大量数据，查询和计算的速度，本项目经历了3次重构，到目前为止其实也不是很成型，但基本趋于稳定。现在总结起来肯定是很流畅，但这中间的过程非常痛苦，也希望把这些经验写出来，有自己做的朋友可以一起探讨，避免踩坑。数据库很庞大，且采用了XCode非常牛逼的分库技术，秒杀千万级乃至上亿的数据需求。而只需要最基本的C#技术，对我这种数据库文盲来说，真的帮助非常大。
阅读全文
考虑到足球赛事资料库的复杂性，以及考虑到项目的前瞻性（要考虑到很多还没有发生的事情，便于以后扩展），以及大量数据，查询和计算的速度，本项目经历了3次重构，到目前为止其实也不是很成型，但基本趋于稳定。现在总结起来肯定是很流畅，但这中间的过程非常痛苦，也希望把这些经验写出来，有自己做的朋友可以一起探讨，避免踩坑。数据库很庞大，且采用了XCode非常牛逼的分库技术，秒杀千万级乃至上亿的数据需求。而只需要最基本的C#技术，对我这种数据库文盲来说，真的帮助非常大。
阅读全文
摘要：去年4月到现在，一年之中，做了很多事情，所以写博客的时间少了，在利用业余时间搭建的彩票数据库资料库快完工之际，将陆续在博客园开放这一年来的相关成果。一年来重点对数字彩和足球彩票资料库进行数据采集和分析平台的搭建，同时也利用数据挖掘和机器学习的简单知识，对足球比赛进行预测，也小有成果，虽然已经远离数字彩，但软件的结构非常容易扩展，数据也很容易采集。重点还是在足球赛事资料库，目前数据库已经包括了近10年，世界所有的联赛，杯赛和重要赛事的比赛信息，以及赔率盘口信息，对于玩算法和写代码的朋友来说，利用这些数据库可以快速的进行自己的数据分析工作。本系列文章会对数据库架构和结构进行介绍，并逐步开放相关足球数据库和彩票数据库，敬请关注。
阅读全文
去年4月到现在，一年之中，做了很多事情，所以写博客的时间少了，在利用业余时间搭建的彩票数据库资料库快完工之际，将陆续在博客园开放这一年来的相关成果。一年来重点对数字彩和足球彩票资料库进行数据采集和分析平台的搭建，同时也利用数据挖掘和机器学习的简单知识，对足球比赛进行预测，也小有成果，虽然已经远离数字彩，但软件的结构非常容易扩展，数据也很容易采集。重点还是在足球赛事资料库，目前数据库已经包括了近10年，世界所有的联赛，杯赛和重要赛事的比赛信息，以及赔率盘口信息，对于玩算法和写代码的朋友来说，利用这些数据库可以快速的进行自己的数据分析工作。本系列文章会对数据库架构和结构进行介绍，并逐步开放相关足球数据库和彩票数据库，敬请关注。
阅读全文
摘要：
矩阵A的条件数等于A的范数与A的逆的范数的乘积，即cond(A)=‖A‖·‖A^(-1)‖，对应矩阵的3种范数，相应地可以定义3种条件数。 函数 cond(A,1)、cond(A)或cond(A inf) 是判断矩阵病态与否的一种度量，条件数越大矩阵越病态。条件数事实上表示了矩阵计算对于误差的敏感性。对于线性方程组Ax=b，如果A的条件数大，b的微小改变就能引起解x较大的改变，数值稳定性差。如果A的条件数小，b有微小的改变，x的改变也很微小，数值稳定性好。它也可以表示b不变，而A有微小改变时，x的变化情况。
阅读全文
矩阵A的条件数等于A的范数与A的逆的范数的乘积，即cond(A)=‖A‖·‖A^(-1)‖，对应矩阵的3种范数，相应地可以定义3种条件数。 函数 cond(A,1)、cond(A)或cond(A inf) 是判断矩阵病态与否的一种度量，条件数越大矩阵越病态。条件数事实上表示了矩阵计算对于误差的敏感性。对于线性方程组Ax=b，如果A的条件数大，b的微小改变就能引起解x较大的改变，数值稳定性差。如果A的条件数小，b有微小的改变，x的改变也很微小，数值稳定性好。它也可以表示b不变，而A有微小改变时，x的变化情况。
阅读全文
摘要：
写博客这么久，保持着高效和高产的习惯，青春年少的时光错过了，现在开始还未晚。下面这些文章都是非常经典，阅读量和推荐以及评论都非常高，大部分文章都上过博客园头条。特意开辟专栏目录。按照时间降序吧，最新的文章显示在前面。17.分享一个Visual Studio的背景插件，让堆码更富情趣；16..NET平台机器学习资源汇总，有你想要的么？15.白话贝叶斯理论及在足球比赛结果预测中的应用和C#实现【附资料】14.你用过这种奇葩的C#注释吗？如何看待 (2015-04-17 10:04)
阅读全文
写博客这么久，保持着高效和高产的习惯，青春年少的时光错过了，现在开始还未晚。下面这些文章都是非常经典，阅读量和推荐以及评论都非常高，大部分文章都上过博客园头条。特意开辟专栏目录。按照时间降序吧，最新的文章显示在前面。17.分享一个Visual Studio的背景插件，让堆码更富情趣；16..NET平台机器学习资源汇总，有你想要的么？15.白话贝叶斯理论及在足球比赛结果预测中的应用和C#实现【附资料】14.你用过这种奇葩的C#注释吗？如何看待 (2015-04-17 10:04)
阅读全文
摘要：矩阵的秩是反映矩阵固有特性的一个重要概念。在线性代数中，一个矩阵A的列秩是A的线性无关的纵列的极大数目。类似地，行秩是A的线性无关的横行的极大数目。矩阵的列秩和行秩总是相等的，因此它们可以简单地称作矩阵A的秩。通常表示为r(A)，rk(A)或rank A。矩阵的行秩与列秩相等，是线性代数基本定理的重要组成部分. 其基本证明思路是，矩阵可以看作线性映射的变换矩阵，列秩为像空间的维度，行秩为非零原像空间的维度，因此列秩与行秩相等，即像空间的维度与非零原像空间的维度相等（这里的非零原像空间是指约去了零空间后的商空间：原像空间）。这从矩阵的奇异值分解就可以看出来。矩阵秩的计算最容易的方式是高斯消去法，这里引用维基百科的内容
阅读全文
矩阵的秩是反映矩阵固有特性的一个重要概念。在线性代数中，一个矩阵A的列秩是A的线性无关的纵列的极大数目。类似地，行秩是A的线性无关的横行的极大数目。矩阵的列秩和行秩总是相等的，因此它们可以简单地称作矩阵A的秩。通常表示为r(A)，rk(A)或rank A。矩阵的行秩与列秩相等，是线性代数基本定理的重要组成部分. 其基本证明思路是，矩阵可以看作线性映射的变换矩阵，列秩为像空间的维度，行秩为非零原像空间的维度，因此列秩与行秩相等，即像空间的维度与非零原像空间的维度相等（这里的非零原像空间是指约去了零空间后的商空间：原像空间）。这从矩阵的奇异值分解就可以看出来。矩阵秩的计算最容易的方式是高斯消去法，这里引用维基百科的内容
阅读全文
摘要：1.关于推荐系统中的特征工程
2.Java程序员最喜欢的11款免费IDE编辑器
3.人工智能和机器学习领域的一些有趣的开源项目
阅读全文
摘要：
接触机器学习1年多了，由于只会用C#堆代码，所以只关注.NET平台的资源，一边积累，一边收集，一边学习，所以在本站第100篇博客到来之际，分享给大家。部分用过的 ，会有稍微详细点的说明，其他没用过的，也是我关注的，说不定以后会用上。机器学习并不等于大数据或者数据挖掘，还有有些区别，有些东西可以用来处理大数据的问题或者数据挖掘的问题，他们之间也是有部分想通的，所以这些组件不仅仅可以用于机器学习，也可以用于数据挖掘相关的。那就边看边说，资源给不给力，就看推荐了，哈哈，100篇是个里程碑，大家给个赞吧。我把这些源码和自己收集的文献整理一下，邮件发给大家(很大哦。。。)。因为部分论文涉及到版权，不能公开下载，请见谅。
阅读全文
接触机器学习1年多了，由于只会用C#堆代码，所以只关注.NET平台的资源，一边积累，一边收集，一边学习，所以在本站第100篇博客到来之际，分享给大家。部分用过的 ，会有稍微详细点的说明，其他没用过的，也是我关注的，说不定以后会用上。机器学习并不等于大数据或者数据挖掘，还有有些区别，有些东西可以用来处理大数据的问题或者数据挖掘的问题，他们之间也是有部分想通的，所以这些组件不仅仅可以用于机器学习，也可以用于数据挖掘相关的。那就边看边说，资源给不给力，就看推荐了，哈哈，100篇是个里程碑，大家给个赞吧。我把这些源码和自己收集的文献整理一下，邮件发给大家(很大哦。。。)。因为部分论文涉及到版权，不能公开下载，请见谅。
阅读全文
摘要：上个月对Math.NET的基本使用进行了介绍，主要内容有矩阵，向量的相关操作，解析数据格式，数值积分，数据统计，相关函数，求解线性方程组以及随机数发生器的相关内容。这个月接着深入发掘Math.NET的各种功能，并对源代码进行分析，使得大家可以尽可能的使用Math.NET在.NET平台下轻易的开发数学计算相关的，或者可以将其中的源码快速移植到自己的系统中去(有时候并不需要所有的功能，只需要其中的部分功能代码)，今天要介绍的是Math.NET中利用C#计算矩阵行列式的功能。
阅读全文
上个月对Math.NET的基本使用进行了介绍，主要内容有矩阵，向量的相关操作，解析数据格式，数值积分，数据统计，相关函数，求解线性方程组以及随机数发生器的相关内容。这个月接着深入发掘Math.NET的各种功能，并对源代码进行分析，使得大家可以尽可能的使用Math.NET在.NET平台下轻易的开发数学计算相关的，或者可以将其中的源码快速移植到自己的系统中去(有时候并不需要所有的功能，只需要其中的部分功能代码)，今天要介绍的是Math.NET中利用C#计算矩阵行列式的功能。
阅读全文
摘要：本文以非常简单的方式介绍了贝叶斯及其公式理论，对其作用和研究现状进行了总结和概述。然后着重的介绍了朴素贝叶斯的概率，预测流程等细节。然后用一个网友的例子，重新对整个过程用手工计算一遍，加深了对朴素贝叶斯的理解。最后我将朴素贝叶斯的预测算法应用到足球彩票的胜平负预测之中，按照基本流程，从头开始，可以非常容易入门和理解，全部是C#代码。希望大家用得上。
阅读全文
本文以非常简单的方式介绍了贝叶斯及其公式理论，对其作用和研究现状进行了总结和概述。然后着重的介绍了朴素贝叶斯的概率，预测流程等细节。然后用一个网友的例子，重新对整个过程用手工计算一遍，加深了对朴素贝叶斯的理解。最后我将朴素贝叶斯的预测算法应用到足球彩票的胜平负预测之中，按照基本流程，从头开始，可以非常容易入门和理解，全部是C#代码。希望大家用得上。
阅读全文
摘要：
本人虽然不是专业开发人员，也非专业出身，但一直使用C#堆码，解决自己日常的小问题。包括自己的研究，也是用C#来实现和测试。对C#是情有独钟。虽然C#的很多高级技术不会用，也不太懂，但总归是知道，耳闻目染，都多多少少了解一点。因为研究开源组件和技术比较多的原因，经常翻别人的代码（大部分是国外的），免不了要翻译，所以我也是经常翻译和总结，例如我前2个翻译的一些机器学习的文章。由于对代码的注释很多人都有不同见解，包括前段时间，博客园新闻里面有篇文章，大概意思是说有注释，说明本身代码就很烂，所以用注释来补充。当然我并不认同这种观点，虽然也有一点点道理。
阅读全文
本人虽然不是专业开发人员，也非专业出身，但一直使用C#堆码，解决自己日常的小问题。包括自己的研究，也是用C#来实现和测试。对C#是情有独钟。虽然C#的很多高级技术不会用，也不太懂，但总归是知道，耳闻目染，都多多少少了解一点。因为研究开源组件和技术比较多的原因，经常翻别人的代码（大部分是国外的），免不了要翻译，所以我也是经常翻译和总结，例如我前2个翻译的一些机器学习的文章。由于对代码的注释很多人都有不同见解，包括前段时间，博客园新闻里面有篇文章，大概意思是说有注释，说明本身代码就很烂，所以用注释来补充。当然我并不认同这种观点，虽然也有一点点道理。
阅读全文
摘要：真正意义上的随机数（或者随机事件）在某次产生过程中是按照实验过程中表现的分布概率随机产生的，其结果是不可预测的，是不可见的。而计算机中的随机函数是按照一定算法模拟产生的，其结果是确定的，是可见的。我们可以这样认为这个可预见的结果其出现的概率是100%。所以用计算机随机函数所产生的“随机数”并不随机，是伪随机数。伪随机数的作用在开发中的使用非常常见，因此.NET在System命名空间，提供了一个简单的Random随机数生成类型。但这个类型并不能满足所有的需求，本节开始就将陆续介绍Math.NET中有关随机数的扩展以及其他伪随机生成算法编写的随机数生成器。
阅读全文
真正意义上的随机数（或者随机事件）在某次产生过程中是按照实验过程中表现的分布概率随机产生的，其结果是不可预测的，是不可见的。而计算机中的随机函数是按照一定算法模拟产生的，其结果是确定的，是可见的。我们可以这样认为这个可预见的结果其出现的概率是100%。所以用计算机随机函数所产生的“随机数”并不随机，是伪随机数。伪随机数的作用在开发中的使用非常常见，因此.NET在System命名空间，提供了一个简单的Random随机数生成类型。但这个类型并不能满足所有的需求，本节开始就将陆续介绍Math.NET中有关随机数的扩展以及其他伪随机生成算法编写的随机数生成器。
阅读全文
摘要：今天要介绍的是Math.NET中扩展的其他随机数生成算法。真正意义上的随机数（或者随机事件）在某次产生过程中是按照实验过程中表现的分布概率随机产生的，其结果是不可预测的，是不可见的。而计算机中的随机函数是按照一定算法模拟产生的，其结果是确定的，是可见的。我们可以这样认为这个可预见的结果其出现的概率是100%。所以用计算机随机函数所产生的“随机数”并不随机，是伪随机数。伪随机数的作用在开发中的使用非常常见，因此.NET在System命名空间，提供了一个简单的Random随机数生成类型。但这个类型并不能满足所有的需求，本节开始就将陆续介绍Math.NET中有关随机数的扩展以及其他伪随机生成算法编写的随机数生成器。
阅读全文
今天要介绍的是Math.NET中扩展的其他随机数生成算法。真正意义上的随机数（或者随机事件）在某次产生过程中是按照实验过程中表现的分布概率随机产生的，其结果是不可预测的，是不可见的。而计算机中的随机函数是按照一定算法模拟产生的，其结果是确定的，是可见的。我们可以这样认为这个可预见的结果其出现的概率是100%。所以用计算机随机函数所产生的“随机数”并不随机，是伪随机数。伪随机数的作用在开发中的使用非常常见，因此.NET在System命名空间，提供了一个简单的Random随机数生成类型。但这个类型并不能满足所有的需求，本节开始就将陆续介绍Math.NET中有关随机数的扩展以及其他伪随机生成算法编写的随机数生成器。
阅读全文
摘要：真正意义上的随机数（或者随机事件）在某次产生过程中是按照实验过程中表现的分布概率随机产生的，其结果是不可预测的，是不可见的。而计算机中的随机函数是按照一定算法模拟产生的，其结果是确定的，是可见的。我们可以这样认为这个可预见的结果其出现的概率是100%。所以用计算机随机函数所产生的“随机数”并不随机，是伪随机数。伪随机数的作用在开发中的使用非常常见，因此.NET在System命名空间，提供了一个简单的Random随机数生成类型。但这个类型并不能满足所有的需求，本节开始就将陆续介绍Math.NET中有关随机数的扩展以及其他伪随机生成算法编写的随机数生成器。
阅读全文
真正意义上的随机数（或者随机事件）在某次产生过程中是按照实验过程中表现的分布概率随机产生的，其结果是不可预测的，是不可见的。而计算机中的随机函数是按照一定算法模拟产生的，其结果是确定的，是可见的。我们可以这样认为这个可预见的结果其出现的概率是100%。所以用计算机随机函数所产生的“随机数”并不随机，是伪随机数。伪随机数的作用在开发中的使用非常常见，因此.NET在System命名空间，提供了一个简单的Random随机数生成类型。但这个类型并不能满足所有的需求，本节开始就将陆续介绍Math.NET中有关随机数的扩展以及其他伪随机生成算法编写的随机数生成器。
阅读全文
摘要：数据集的基本统计计算是应用数学，以及统计应用中最常用的功能。如计算数据集的均值，方差，标准差，最大值，最小值，熵等等。Math.NET中的MathNet.Numerics.Statistics命名空间就包括了大量的这些统计计算的函数。今天就为大家介绍的是使用Math.NET计算相关系数的类：Correlation。相关系数，或称线性相关系数、皮氏积矩相关系数(Pearson product-moment correlation coefficient, PPCC)等，是衡量两个随机变量之间线性相关程度的指标。它由卡尔·皮尔森(Karl Pearson)在1880年代提出[1]，现已广泛地应用于科学的各个领域。 相关系数计算公式中，取值范围为[-1,1]，r0表示正相关，r0表示负相关，|r|表示了变量之间相关程度的高低。特殊地，r=1称为完全正相关，r=-1称为完全负相关，r=0称为不相
阅读全文
数据集的基本统计计算是应用数学，以及统计应用中最常用的功能。如计算数据集的均值，方差，标准差，最大值，最小值，熵等等。Math.NET中的MathNet.Numerics.Statistics命名空间就包括了大量的这些统计计算的函数。今天就为大家介绍的是使用Math.NET计算相关系数的类：Correlation。相关系数，或称线性相关系数、皮氏积矩相关系数(Pearson product-moment correlation coefficient, PPCC)等，是衡量两个随机变量之间线性相关程度的指标。它由卡尔·皮尔森(Karl Pearson)在1880年代提出[1]，现已广泛地应用于科学的各个领域。 相关系数计算公式中，取值范围为[-1,1]，r0表示正相关，r0表示负相关，|r|表示了变量之间相关程度的高低。特殊地，r=1称为完全正相关，r=-1称为完全负相关，r=0称为不相
阅读全文
摘要：Matlab开发以及C#与Matlab混合编程文章目录
阅读全文
摘要：19..NET平台机器学习资源汇总，有你想要的么？ 18.这些.NET开源项目你知道吗？让.NET开源来得更加猛烈些吧!（第二辑） 17..NET平台开源项目速览(3)小巧轻量级NoSQL文件数据库LiteDB 16..NET平台开源项目速览(2)Compare .NET Objects对象比较组件 15..NET平台开源项目速览(1)SharpConfig配置文件读写组件 14.这些.NET开源项目你知道吗？让.NET开源来得更加猛烈些吧 13.【原创】彩票预测算法：离散型马尔可夫链模型 12.【资源】108个大数据文档PDF开放下载-整理后打包下载
阅读全文
摘要：数据挖掘与机器学习相关算法文章目录
阅读全文