原创 An introduction to machine learning with scikit-learn

scikit-learn 是一個基於SciPy和Numpy的開源機器學習模塊,包括分類、迴歸、聚類的一系列算法,而且有詳細的文檔,是邊學邊練的絕佳教材,本文將通過一個簡單的例子向大家展示如何使用scikit-learn。這個例子是關於手寫

原创 從迴歸樹到GBDT

GBDT可以看做是由多棵迴歸樹組成的,所以要理解GBDT,就要先理解迴歸樹。迴歸樹也是爲了做預測,只是將特徵空間劃分成了若干個區域,在每個區域裏進行預測,舉個簡單例子。 圖中的數據有兩個特徵:x1 、x2 ,根據這兩個特徵可以很

原创 Docker中的image與container

我們常常會基於某個image來啓動一個container,在這個container中我們可能會執行某些操作,比如創建一個文件,但是當這個container退出以後,如果我們以同一個的image啓動了另一個container,在這個cont

原创 Leetcode: Number of 1 Bits

題目: Write a function that takes an unsigned integer and returns the numbe

原创 windows下安裝matplotlib

給Python安裝模塊時最方便的就是找到相應的.exe文件了,這樣就不用一個一個地去安裝依賴包,但是有時候找不到相應的.exe文件,這就需要用setup.py或相應的.whl文件來安裝了。一般最早接觸的是使用setup.py來安裝,比如首

原创 設計模式:觀察者模式

觀察者模式有點像事件觸發機制,也是一種回調機制,在觀察者模式中,有觀察者和被觀察者,當被觀察者有什麼動靜的時候,就可以以某種方式通知觀察者做出某些動作,簡單示例如下: class Observer { public: virtual

原创 鏈表的經典技巧及算法

1 尋找鏈表的中間節點:最簡單的方法是,先遍歷一遍鏈表,計算出鏈表的長度,然後計算出中間節點的位置,然後再遍歷一遍,邊遍歷邊計算,直到找到中間節點,這個方法略顯囉嗦,最壞的情況需要遍歷2次鏈表,代碼如下: ListNode

原创 設計模式:多重派遣

在面向對象程序設計中,非常常用的手法就是用基類的指針指向派生類,然後在執行期通過虛函數機制找到派生類中的函數,假設這樣一種情況,全局函數有兩個輸入參數,分別是兩個基類指針 A* ap 和 B* bp,那麼如何既找到ap指向的準確對象,又找

原创 Python機器學習庫

原文:http://qxde01.blog.163.com/blog/static/67335744201368101922991/    Python在科學計算領域,有兩個重要的擴展模塊:Numpy和Scipy。其中Numpy是一

原创 機器學習經典書籍小結

原文鏈接:http://blog.csdn.net/xinzhangyanxiang/article/details/9069045 博客第一篇文章[1]是轉載的,也算是開始寫博客不經意的表露了自己對機器學習的興趣吧!那篇文章總結了機

原创 八大算法一一道來

1. 插入排序 1.1 基本思想: 任意一個待排序序列,都可以看做由有序部分和無序部分組成,只是開始的時候,有序部分只包含一個元素,而無序部分包含了N-1個元素。插入排序的思想就是:從無序部分一個一個地取出元素,並將其插入到有序部

原创 Understanding the Bias-Variance Tradeoff

Understanding the Bias-Variance Tradeoff June 2012 When we discuss prediction models, prediction errors can be deco

原创 隱馬爾科夫模型HMM自學

介紹 崔曉源 翻譯 我們通常都習慣尋找一個事物在一段時間裏的變化規律。在很多領域我們都希望找到這個規律,比如計算機中的指令順序,句子中的詞順序和語音中的詞順序等等。一個最適用的例子就是天氣的預測。 首先,本文會介紹聲稱概率模式的系

原创 青蛙跳臺階

題目: 一隻青蛙一次可以跳上1級臺階,也可以跳上2級……它也可以跳上n級。求該青蛙跳上一個n級的臺階總共有多少種跳法。 思路: 青蛙的最後一次跳躍其實只有n種選擇,即跳n級(或者跳n-1級,或者跳n-2級,…,或者跳1級),假設青

原创 人工智能和機器學習領域有哪些有趣的開源項目

GraphLab GraphLab是一種新的面向機器學習的並行框架。GraphLab提供了一個完整的平臺,讓機構可以使用可擴展的機器學習系統建立大數據以分析產品,該公司客戶包括Zillow、Adobe、Zynga、Pandora、Bo