- 博客(12)
- 资源 (22)
- 收藏
- 关注
原创 ECSHOP发送邮件显示格林尼治时间问题的解决
下午帮朋友调试个ECSHOP的程序,里面发邮件显示的是格林尼治时间和中国的当前差了8个小时,显示不友好。网上帮查询了下有人遇到这个问题但是没决绝,晚上看了下ecshop的代码,发现代码里面用gmdate这个就是直接生成的格林尼治时间了,修改地方如下:includs/lib_base.php中搜索send_mail函数,找到“使用smtp服务发送邮件”这块中,搜索“$headers[] = 'D
2012-07-21 21:51:35 1723
原创 概率论:乘法定理、全概率公式以及贝叶斯定理
今天重温了概率论与数理统计这本书,复习了第一章,用了大概一个小时的时间,闭眼眼睛想起来最多的就是乘法定理、全概率公式和贝叶斯定理,就在这里重新打出来一下吧,至于那些概念的东西还都记得,不在这里重复了,复习本来就是把之前记错的给改正过来,把之前忘记的给捡起来。1:乘法公式其实这是条件概率计算公式的变形,此时不需要p(A)不等于0的限制了,它的意思就是事件B在事件A发生的前提下发生的概率等
2012-07-20 17:29:59 20722 6
原创 机器学习-学习笔记3.1-局部加权回归
局部加权紧接着上面的线性回归中参数求解来继续讲吧。还是以上面的房屋价格的预测,它的中心思想是在对参数进行求解的过程中,每个样本对当前参数值的影响是有不一样的权重的。比如上节中我们的回归方程为(这个地方用矩阵的方法来表示Ɵ表示参数,i表示第i个样本,h为在Ɵ参数下的预测值): 我们的目标是让 最小,然后求出来Ɵ,再代入h中就可以得到回归方程了。 但是如果类似以下的样本
2012-07-19 17:19:25 21084 1
原创 复习线性代数有感
由于学习需要,读研两年来基本基本没再接触过线代、概率统计、高数这些知识了,最近由于学习需要,才把线代的大学本科时候用的书前后花费了2周左右给复习完了。复习完之后发现只是勾起了一些当年的印象,并不咋深入,有些课后习题还是不会做。导致看一些paper的时候遇到个公式还要思考大半天才反应过来,果断觉得重新再来一遍,本来这种东西年代久远没再复习一遍也就不够用。 第二次就没再按照课本一章一章的来,下
2012-07-19 16:34:21 1855 1
原创 sparse coding稀疏表达入门
最近在看sparse and redundant representations这本书,进度比较慢,不过力争看过的都懂,不把时间浪费掉。才看完了不到3页吧,书上基本给出了稀疏表达的概念以及传统的求法。我也用书中的例子来引入吧。1:矩阵A(n*m),其中n远远小于m,一副图片经过缩小或者模糊处理导致该图片所占用的空间变小了,此时用向量b来表示,A表示图片所经过的处理,X代表原图片,那么这个就可以
2012-07-17 12:13:06 5813 1
原创 b is not in the spans of the columns of the martix A
最近在看sparse and redundant representation,可能由于不经常看类似文章的问题,有些翻译按照字面来理解根本无法理解,觉得前后矛盾。在第一页看到一句话这么说:矩阵A式n*m的n小于m,如果b is not in the spans of columns of matrix A,那么Ax=b无解。经过和师弟讨论,师弟直接告诉我这句话意思其实就是说b无法由A线性表示。
2012-07-16 12:38:26 1860 2
原创 what is underdetermined linear system
最近看sparse representation 总是看到一个underdetermined,经过google translate发现解释不太通顺,后来经过wiki查询,还真有解释,原来是在一个linear system equation中。如果the count of equation is fewer than unkowns的话,这个方程组就叫做underdetermined的。也就是说方程
2012-07-16 10:00:57 2665
原创 机器学习-学习笔记2-监督学习中回归方程的建立以及预测
下午看了斯坦福机器学习的第二节课,主要是讲解的监督学习中的回归问题,更多的是回归方程中系统的求解,用到了梯度下降算法。具体的证明过程暂时还不知道,只知道了大概意思,作为入门先这样理解吧,我来写个总结,当前先有问题引入。1:问题引入,有类似下面的一组数据(假定有m个这样的数据): 吐槽下:CSDN的在线编辑器真难用,数学符号什么的都不支持。。。。
2012-07-12 20:03:06 2498 2
原创 VSM向量空间模型对文本的分类以及简单实现
1:对文本的分类,不管用什么高级的方法,首先还是需要建立数学模型的,这个地方就用SVM来建立,他的原理是根据文本的特征,比如一个文本有10个特征(一般来说每个特征是一个代表这个文本的关键词),那么这个文本向量大小就是10了。具体的每个值就是这个特征的权重(关于权重的计算很多种,我这个地方只用了词频来代表)。然后读入测试本文,根据该测试文本中的特征,看和样本中的特征的向量做运算,这个地方用的是求向量
2012-07-12 13:54:57 15362 6
转载 话说正确率、召回率和F值
正确率、召回率和F值是在鱼龙混杂的环境中,选出目标的重要评价指标,本文就针对这三个指标得瑟得瑟。 不妨看看这些指标的定义先:正确率 = 正确识别的个体总数 / 识别出的个体总数召回率 = 正确识别的个体总数 / 测试集中存在的个体总数F值 = 正确率 * 召回率 * 2 / (正确率 + 召回率) 不妨举这样一个例子:某池塘有1400条鲤鱼,3
2012-07-12 10:16:28 3322 1
原创 打开pdf出现文件损坏并且无法修复错误解决
我安装adobe reader总出现这个问题,使用的操作系统是win7。安装卸载多次都这样。后来经过调试发现在ie中去掉禁用掉这个插件即可
2012-07-11 14:43:40 26065 2
原创 机器学习-学习笔记1
今天一朋友发给我了关于斯坦福大学andrew ng的机器学习的视频,最开始觉得只当是了解。因为接下来的学习方向是机器智能了,这些都是基础必须学会的知识。了解到了一些概念1:监督学习,就是给定了学习集合,这些学习集合也叫做样本,每个样本的变量以及结果都会给出,并且在预测的时候,预测的结果已经是知道了这些结果所在的范围,监督学习中一般会涉及到分类classfication的问题2:无监督学习,
2012-07-10 23:51:20 1441
VC++入门-首字母大写自动转换程序
2012-05-06
队列的一个纯C的封装
2010-06-02
spring-framework-2.5.5-with-dependencies
2008-09-12
spring-framework-2.5.5-with-dependencies
2008-09-12
spring-framework-2.5.5-with-dependencies.zip
2008-09-12
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人