摘要：
Dropbox CEO Drew Houston在MIT 2013年毕业典礼上的演讲：关于一个网球、一个圆圈和一个数字From:http://www.36kr.com/p/208583.html重回MIT 再次回到MIT，我感到无比荣幸。今天是个特殊的日子，我还戴着我的Brass Rat戒指（见上图，MIT的毕业纪念戒指），我为你们感到兴奋。在你们人生过去的几十年里，成功意味着一步步往上爬。但从此刻开始，成功不再意味着考试考高分、上好大学，拿学位证。 你们不知道未来将奔向何方，所以对未来生活的计划也无从谈起。但你又迫不及待地想迎接未来：也许是成立公司，治疗癌症，或者是写一部伟大的小说。谁知道未 阅读全文
摘要：
Apprenticeship Patterns - Guidance for the Aspiring Software CraftsmanAuthor: Dave Hoover / Adewale OshineyeDouban: http://book.douban.com/subject/3572917/This is an excellent book for inexperienced software developers. Our journey of software development started with “Hello, World!”, but where is . 阅读全文
摘要：
这是大科学家Richard Hamming的著名讲演，于1986年在贝尔通讯研究中心给200多名Bellcore的科学家们所做。在google上一搜，还未见中文翻译。在享受到Hamming闪耀的智慧的同时，禁不住要把它译成中文，让更多的同胞可以分享。思维是独特的，任何人的翻译都加上了译者的“思想”。所以，要知道Hamming到底讲的什么，请看原文（http://www.cs.virginia.edu/~robins/YouAndYourResearch.html）。要看我是如何听Hamming讲的，你可以继续了看这篇“中文翻译稿”了。尽管我本人从不是自然科学学者，其中的科学名人大多不熟悉，很多 阅读全文
摘要：
在Coursera SDN开放课程中，编程作业要用Mininet来完成。这里对Mininet做一个简单的介绍。什么是Mininet Mininet是由一些虚拟的终端节点（end-hosts）、交换机、路由器连接而成的一个网络仿真器，它采用轻量级的虚拟化技术使得系统可以和真实网络相媲美。 Mininet可以很方便地创建一个支持SDN的网络：host就像真实的电脑一样工作，可以使用ssh登录，启动应用程序，程序可以向以太网端口发送数据包，数据包会被交换机、路由器接收并处理。有了这个网络，就可以灵活地为网络添加新的功能并进行相关测试，然后轻松部署到真实的硬件环境中。Mininet的特性 可以简单、迅 阅读全文
摘要：
字符串可以使用单引号或双引号来定义。在Python3 中，所有的字符串都是使用Unicode编码的字符序列。>>> s = '你好， Hello'>>> len(s)8>>> s[0]'你 'Python3支持把值格式化(format)成字符串，可以有非常复杂的表达式，最基本的用法是使用单个占位符(placeholder)将一个值插入字符串。>>> username = 'mark'>>> password = 'PayayaWhip'> 阅读全文
摘要：
转自：http://www.cnblogs.com/jerrylead/archive/2011/03/05/1971867.html1 摘要 本报告是在学习斯坦福大学机器学习课程前四节加上配套的讲义后的总结与认识。前四节主要讲述了回归问题，回归属于有监督学习中的一种方法。该方法的核心思想是从连续型统计数据中得到数学模型，然后将该数学模型用于预测或者分类。该方法处理的数据可以是多维的。 讲义最初介绍了一个基本问题，然后引出了线性回归的解决方法，然后针对误差问题做了概率解释。之后介绍了logistic回归。最后上升到理论层次，提出了一般回归。2 问题引入 这个例子来自http://www.cnb 阅读全文
摘要：
1. 贝叶斯定理 英国数学家托马斯·贝叶斯（Thomas Bayes）在1763年发表的一篇论文中，首先提出了这个定理。 A，B表示在一个样本空间中的两个事件，在事件B发生的情况下，事件A发生的概率用P(A|B)表示，它等于事件A，B同时发生的概率除以事件B发生的概率。 因为：P(AB) = P(A|B) P(B) P(BA) = P(B|A) P(A)，所以：P(A|B) P(B) = P(B|A) P(A)，即 假设样本空间是A与A’的和（A’是A的补集），则P(B) = P(B∩A) + P(B∩A’)，代入贝叶斯定理即得全概率公式：P(B) = P(B|A)P(A) + P( 阅读全文
摘要：
2003年，在劳伦斯·利弗莫尔实验室（Lawrence Livermore National Laboratory）做研究员的Martin Casado从一个美国情报机构接到一个棘手的问题：计算机网络使得世界各地的情报机构和政府工作人员时刻保持连接，一线的情报人员可以将获得的情报即时发送给世界各地的专家。但实际上，计算机网络却帮助了敌方的黑客。一旦进入了一个系统，他们也可以通过网络跳转搜寻到更多的信息。这个机构告诉Casado，他们希望在保持网络大部分正常工作的情况下，临时抽一小部分用作更紧要的传输，就像在白宫和克林姆林宫之间的专用电话线路一样。Casado最终认为他无能为力，因为I 阅读全文
摘要：
给定一个训练数据集，其中的实例类别已定。要确定新的实例类别时，根据训练数据集中k个最邻近的实例的类别，通过多数表决等方式进行预测。k近邻实际是利用训练数据集对特征向量空间进行划分，不具有显式的学习过程。 特征空间中两个实例点的距离是两个实例点相似程度的反映，k近邻模型一般使用欧式距离，但也可以是其他距离，如Lp距离、Minkowski距离。在应用中，k值一般去一个比较小的值，通常采用交叉验证法来选取最优的k值。 最简单的实现方法是线性扫描，这时要计算输入实例与每一个训练实例的距离。当训练集很大时，这种方法是不可行的。为了提高搜索效率，可以采用kd树方法。 kd树是k-dimensio... 阅读全文
摘要：
感知机（perceptron）是Frank Rosenblatt在1957年就职于Cornell航空实验室(Cornell Aeronautical Laboratory)时发明的一种人工神经网络，是一种二元线性分类器。 定义：输入空间（特征空间），输出空间是。由输入空间到输出空间的函数称为感知机。sign是符号函数，即 数据集，其中（xi为n维实数向量），，i=1,2, … , N。如果存在某个超平面（hyperplane）S：，对于所有的实例i有；对于所有的实例i有，则称数据集Ｔ为线性可分；否则称数据集T线性不可分。 学习策略：输入空间任一点x0到超平面S的距离为，对于误分类的数... 阅读全文