摘要： 表达式语句：一个表达式+一个分号 表达式语句的作用是执行表达式并丢弃掉求值结果。 空语句：单独一个分号 Best Practice：使用空语句时应该加上注释，从而令读这段代码的人知道该语句是有意省略的。 复合语句（块）：用花括号括起来的语句和声明的序列。 一个块就是一个作用域。 条件语句——if 注 阅读全文

摘要： 左值和右值 当一个对象被用作右值的时候，用的是对象的值（内容），当对象被用作左值的时候，用的是对象的身份（在内存中的位置）。 一个重要的原则是需要右值的地方可以用左值来代替，但是不能把右值当作左值使用。（13.6有例外情况） 下面是集中用到左值的情况： 1.赋值运算符需要一个（非常量）左值作为其左侧 阅读全文

摘要： C++11新特性：范围for（range for） vector和数组都是对象的集合，而引用不是对象。 vector对象可以高效地增长，在定义vector对象的时候设定其大小也就没什么必要了，事实上如果这么做性能可能更差。 C++11新特性：cbegin() & cend() 为了便于专门得到con 阅读全文

摘要： 如何选择算术类型？ 当明确知晓数值不可能为负的时候，选用无符号类型； 不要使用char和bool，对于不大的整数，明确指定signed char或unsigned char； 使用int执行整数运算（而非short和long），太大的数值选用long long； 执行浮点运算选用double，因为f 阅读全文

摘要： 给你这些水果图片，告诉你哪些是苹果。那么现在，让你总结一下哪些是苹果？ 1）苹果都是圆的。我们发现，有些苹果不是圆的、有些水果是圆的但不是苹果， 2）其中到这些违反“苹果都是圆的”这一规则的图片，我们得到“苹果都是圆的，可能是红色或者绿色”。。我们发现还是有些图片违反这一规则； 3）其中到违反规则的图片，我们发现“苹果都是圆的，可能是红色或者绿色，而且有梗”。 至此分类完成。 模拟这... 阅读全文

摘要： 假设我们有很多机器学习算法（可以是前面学过的任何一个），我们能不能同时使用它们来提高算法的性能？也即：三个臭皮匠赛过诸葛亮。 有这么几种aggregation的方式： 一些性能不太好的机器学习算法（弱算法），如何aggregation，成为表现比较好的算法？来看一下： 我们可以看出，有时候aggre 阅读全文

摘要： 前一篇，我们将SVM与logistic regression联系起来，这一次我们将SVM与ridge regression（之前的linear regression）联系起来。 （一）kernel ridge regression 之前我们之前在做的是linear regression，现在我们希望 阅读全文

摘要： 本篇讲的是SVM与logistic regression的关系。 （一） SVM算法概论 首先我们从头梳理一下SVM（一般情况下，SVM指的是soft-margin SVM）这个算法。 这个算法要实现的最优化目标是什么？我们知道这个目标必然与error measurement有关。 那么，在SVM中 阅读全文

摘要： 考虑这种情况： 倘若我们使用Hard-Margin SVM，不容许一点点的错误，就会得到右边的结果。很显然，左边的结果更合理，所以在实际情况中，我们使用能够接纳一定错误（容忍噪声）的SVM，即：soft-margin SVM。 合并两个条件，得： 这样做有几个问题： 一是我们的目标函数不再是线性的， 阅读全文

摘要： 什么是Hard-Margin SVM？指的是这个向量机只适用于“数据完全可分（seperately）”的情况。 （一）什么是支持向量机？ 上述三条直线，选择哪一条比较好？直觉上来说，最右面的那条直线最好。因为它的Margin比较胖，对数据点中混杂的噪声容忍度更高，更加robust。所以以后我们在计算 阅读全文