10 2016 档案
摘要：LDA： LDA的全称是Linear Discriminant Analysis（线性判别分析），是一种supervised learning。有些资料上也称为是Fisher’s Linear Discriminant。 LDA的原理是，将带上标签的数据（点），通过投影的方法，投影到维度更低的空间中
阅读全文
摘要：supervised learning：训练数据集中样本的类别已知 unsupervised learning:事先并不知道任何样本的类别 聚类属于无监督学习，以往的回归、朴素贝叶斯、SVM等都是有类别标签y的，也就是说样例中已经给出了样例的分类。而聚类的样本中却没有给定y，只有特征x。聚类的目的是
阅读全文
摘要：转自： http://www.cnblogs.com/jmp0xf/archive/2013/05/14/Bias-Variance_Decomposition.html
阅读全文
摘要：一、感知机模型 二、线性回归(Linear Regression) 三、Logistic Regression 四、SVM 五、kmeans https://en.wikipedia.org/wiki/Latent_semantic_analysis
阅读全文
摘要：Bag-of-words model (BoW model) 最早出现在NLP和IR(information retrieval)领域. 该模型忽略掉文本的语法和语序, 用一组无序的单词(words)来表达一段文字或一个文档. 近年来, BoW模型被广泛应用于计算机视觉中. 与应用于文本的BoW类比
阅读全文
摘要：C++中对共享数据的存取在并发条件下可能会引起data race的未定义行为，需要限制并发程序以某种特定的顺序执行，有两种方式：1.使用mutex保护共享数据； 2.原子操作 原子操作：针对原子类型操作要不一步完成，要么不做，不可能出现操作一半被切换CPU，这样防止由于多线程指令交叉执行带来的可能错
阅读全文
摘要：监督机器学习问题无非就是“minimize your error while regularizing your parameters”，也就是在正则化参数的同时最小化误差。最小化误差是为了让我们的模型拟合我们的训练数据，而正则化参数是防止我们的模型过分拟合我们的训练数据。 因为参数太多，会导致我们
阅读全文
摘要：题目：子线程循环 10 次，接着主线程循环 100 次，接着又回到子线程循环 10 次，接着再回到主线程又循环 100 次，如此循环50次，试写出代码 子线程与主线程必有一个满足条件(flag == num),不满足条件的那个线程不可能获取unique_lock(会在wait中释放)，只有满足条件的
阅读全文
摘要：http://www.cnblogs.com/jerrylead/archive/2011/03/18/1988406.html http://blog.pluskid.org/?p=685 考虑我们最初在“线性回归”中提出的问题，特征是房子的面积x，这里的x是实数，结果y是房子的价格。假设我们从样
阅读全文
