摘要：
谨以此文纪念过去两年的幸福时光~~~按下Shift-Alt-s, 这个来到DM最熟练的组合键，不用看跳出的对话框，直接按下Enter键。资深Data Miner提交Job都是这么帅的。Miner一边美滋滋的看着提交Job的圆圈，一圈一圈的转，一边在另一个屏幕上，浏览cnbate。对于上万行代码经验的Miner，他们的Code一般不会在提交30秒以内出现错误，那些语法错误通常是新手才会犯的。Mine... 阅读全文
摘要：
现在互联网服务商从争夺用户演进到争夺用户的媒体时间。假设整个互联网用户能用来上网的时间恒定，用户停留在哪些网站上的时间更多，则有更多的机会浏览和点击广告。随着微博的出现，有统计显示，用户在微博上耗费的时间是在搜索引擎页面上的数十倍，这也是可以理解的。搜索引擎一直以“让用户最快的找到所求”为目标，则势必使得用户很快离开搜索结果页。现在百度一直在做的各种阿拉丁，APP其实就是一种转变搜索引擎思路的体现，希望通过提供内容而不是提供内容的索引，留住用户。其实有可能引导用户转变搜索的使用方式，至少在保留信息索引检索的同时，提供另一种选择。那就是在搜索结果页面上，提供可供用户持续浏览的内容和相关的展现形式 阅读全文
摘要：
iOS和Android系统给软件行业提供了一个非常好的范例。由大公司提供平台，由海量的自由开发者提供与用户体验直接相关的应用。这里面一个重要的启发是，操作系统平台的需求，比如 iOS，windows，实际上是比较封闭的，是可以由大公司满足的。而与终端用户相关的需求，通常是无穷无尽的，由单一的大公司很难完全满足，而由自由开发者进行开发，往往能得到较好的效果。这一特点其实也适用于搜索引擎。搜索引擎的后台海量网页索引，文本分析，检索系统，这一系列软件、硬件以及内容，都构成了一个应用平台。而与用户体验直接相关的，搜索结果以及包括rank系统，是需要大量PM分析用户需求，逐一进行细化，然后实现的。因此， 阅读全文
摘要：
用户根目录下面有一个称作 .bashrc 的隐藏文件。Bash默认会执行这个文件里的内容。里面比较有用的内容包括：# 让提示符看起来好看一点PS1='${debian_chroot:+($debian_chroot)}\[\033[38;5;70m\]\u@\h\[\033[00m\]:\[\033[38;5;105m\]\w\[\033[00m\]\$ '# 在有颜色的 terminal 里面，... 阅读全文
摘要：
VirtuaWin：非常好的多桌面扩展软件。Xshell：优秀的终端连接软件，感觉比secureCRT好，还不需要破解。Totalcommander：这个就不说了。Everything：急速本地搜索文件，速度令人震惊。Xmind：思维导图，够用。Edraw Max： 画图流程图软件。PDF-xchange Viewer：很不错的PDF软件。MacType：win下的字体渲染系统，很漂亮，遗憾没有早发现。Wiz：捧场一下，做的很不错的在线笔记solution，希望能成为中国的 evernote。Stickies: 桌面黄纸条，很不错，主页在这里http://www.zhornsoftware.c 阅读全文
摘要：
引子 Bag-of-Words 模型是NLP和IR领域中的一个基本假设。在这个模型中，一个文档(document)被表示为一组单词(word/term)的无序组合，而忽略了语法或者词序的部分。BOW在传统NLP领域取得了巨大的成功，在计算机视觉领域(Computer Vision)也开始崭露头角，但在实际应用过程中，它却有一些不可避免的缺陷，比如： 稀疏性(Sparseness): 对于大词典，... 阅读全文
摘要：
轮廓图（Silhouette）是一种用来刻画聚类效果的度量。详细解释见：http://en.wikipedia.org/wiki/Silhouette_(clustering)定义为：对于一个样本点 i，其 Silhouette 值为：Latex Eqation：s(i)=\frac{b(i)-a(i)}{max\{a(i),b(i)\}}其中 a(i) 为点 i 与当前所属类的差异度（dissi... 阅读全文
摘要：
EM算法简述EM算法是机器学习中一个很重要的算法，即期望最大化算法，主要包括以下两个步骤： E步骤：estimate the expected values M步骤：re-estimate parameters 可以有一些比较形象的比喻说法把这个算法讲清楚。比如说食堂的大师傅炒了一份菜，要等分成两份给两个人吃，显然没有必要拿来天平一点一点的精确的去称分量，最简单的办法是先随意的把... 阅读全文
摘要：
决策树算法机器学习中，决策树是一个预测模型；它代表的是对象属性值与对象值之间的一种映射关系。树中每个节点表示某个对象，每个分叉路径则代表的某个可能的属性值，而每个叶结点则对应具有上述属性值的子对象。决策树仅有单一输出；若需要多个输出，可以建立独立的决策树以处理不同输出。每个决策树都表述了一种树型结构，它由它的分支来对该类型的对象依靠属性进行分类。每个决策树可以依靠对源数据库的分割进行数据测试。这个过程可以递归式的对树进行修剪。当不能再进行分割或一个单独的类可以被应用于某一分支时，递归过程就完成了。另外，随机森林分类器将许多决策树结合起来以提升分类的正确率。决策树同时也可以依靠计算条件概率来构造 阅读全文
摘要：
SVM简介支持向量机，英文为Support Vector Machine，简称SV机（论文中一般简称SVM）。它是一种监督式学习的方法，广泛的应用于统计分类以及回归分析中，并可推广于预测和综合评价等领域。SVM属于一般化线性分类器，这族分类器的特点是能够同时最小化经验误差与最大化几何边缘区。支持向量机将向量映射到一个更高维的空间里，在这个空间里建立有一个最大间隔超平面。在分开数据的超平面的两边建有两个互相平行的超平面。分隔超平面使两个平行超平面的距离最大化。假定平行超平面间的距离或差距越大，分类器的总误差越小。一个极好的指南是C.J.C Burges的《模式识别支持向量机指南》。van der 阅读全文