- 博客(11)
- 收藏
- 关注
RSS订阅转载 全新安装Mac OSX 开发者环境 同时使用homebrew搭建 PHP，Nginx ，MySQL，Redis，Memcache ... ... (LNMP开发环境)
原文出处 ： 全新安装Mac OSX 开发者环境 非常好的文章 赞用了一年的Mac OS X了，之前不熟悉这个系统，用的是系统自带的PHP 以及DMG包安装的MySQL，时间长了，慢慢觉得MacBook的速度跟不上了，虽然关机次数不多，但是每次开机，或者唤醒电脑的时候，系统明显有一定时间的卡顿。特别表现在开机的时候。完全可以去泡一个来一桶了。 因此干掉MD101上的光驱，换上256G的
2015-02-16 14:57:12
1513
原创 mac上 Apache与PHP的配置
Apache 与 Php 配置1. 开启 apache OS X 自带了 apache2.2.24 和 php5.4.17，但默认情况下没有开启，打开终端 sudo apachectl start 这时在浏览器中输入localhost应该就会出现apache标准的It Works!2. 开启php sudo vim /etc/apa
2015-02-16 12:02:50
552
转载 Mac下配置Apache + Php + Mysql环境
Mavericks同以往的OSX一样自带了apache2.2.24和php5.4.17，但默认情况下没有开启，打开终端sudo apachectl start这时在浏览器中输入localhost应该就会出现apache标准的It Works!下面开启php，修改apache配置文件sudo vim /etc/apache2/httpd.conf找到#LoadModu
2015-02-15 23:50:28
543
原创 高数一 学习笔记01
高数一 学习笔记第一章 函数与极限第一节 映射与函数第二节 数列的极限第三节 函数的极限第四节 无穷小与无穷大1、无穷小 是相对概念第五节 极限运算法则第六节 极限存在准则 两个重要极限1、夹逼准则第七节 无穷小的比较第八节 函数的连续性与间断性第九节 连续函数的运算与初等函数的连续性第十节 闭区间上连续函数的性质第二章 导数与微分第一节 导数的概念1、导数的定义与导数的几何意义第二节 函数的求导法
2015-02-15 00:35:41
1319
原创 my zshrc
.zshrc# Path to your oh-my-zsh installation.export ZSH=/Users/hp/.oh-my-zsh# Set name of the theme to load.# Look in ~/.oh-my-zsh/themes/# Optionally, if you set this to "random", it'll load a ra
2015-02-14 20:27:51
710
转载 把 Mac 上的 bash 换成 zsh
本人补充：mac版git下载地址：http://code.google.com/p/git-osx-installer/downloads/list?can=3&q=&sort=-uploaded&colspec=Filename+Summary+Uploaded+Size+DownloadCount其他参考地址：http://leeiio.me/bash-to-zsh-for-mac/
2015-02-14 20:11:05
1090
转载 余弦相似度 —— Cosine Similarity
余弦相似度用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小。相比距离度量，余弦相似度更加注重两个向量在方向上的差异，而非距离或长度上。与欧几里德距离类似，基于余弦相似度的计算方法也是把用户的喜好作为n-维坐标系中的一个点，通过连接这个点与坐标系的原点构成一条直线（向量），两个用户之间的相似度值就是两条直线（向量）间夹角的余弦值。因为连接代表用户评分的点与原点的直线都会相
2015-02-07 01:19:01
17947
1
原创 向量
平面向量1、 数量 ： 只有大小的量 向量 ： 既有大小，又有方向的量2、 有向线段 ： 确定了方向的线段。规定了起点与终点。->AB 三要素 ： 起点、方向、长度3、 向量的表示 (1)、用有向线段表示 (几何表示) 向量的长度(模)、有向线段的长度 |->AB| 可以比较大小 (2)、用一个小写字母表示 ->a (代数
2015-02-07 01:17:14
1418
转载 结构风险最小和VC维理论的解释
基于libsvm的中文文本分类原型 ，虽然做了原型，但是概念还不是很清晰。“支持向量机方法是建立在统计学习理论的VC 维理论和结构风险最小原理基础上”结构化风险结构化风险 = 经验风险 + 置信风险经验风险 = 分类器在给定样本上的误差置信风险 = 分类器在未知文本上分类的结果的误差置信风险因素：样本数量，给定的样本数量越大，学习结果越有可
2015-02-06 10:22:18
1844
转载 由Map的复制问题引发对深复制和浅复制的思考
前几天写程序遇到了这样的一个问题：[java] view plaincopyMap args=getparameters(); Map hot_args=args; hot_args.put("sortItem","pv"); Map common_args=args; common_args.pu
2015-02-04 17:50:36
1336
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人