2016年08月_591984826

原创 cv2相关问题：

1. cv2无法import的问题：解决办法：sudo apt-get install python-opencv具体看这里：http://stackoverflow.com/questions/25215102/installing-opencv-for-python-on-ubuntu-getting-importerror-no-module-named-cv2p.s: 后来采用了这里的做法，

2016-08-31 15:46:48 387

原创树莓派3 + python+opencv3：安装及安装中遇到的error

1. 安装过程：http://yehnan.blogspot.com/2015/12/raspberry-piraspbianopencv.html2. 安装过程中遇到的error:在执行了make -j4 的最后，出现错误信息：Makefile:137: recipe for target 'all' failedmake: *** [all] Error 2解决办法是在cmake 的时候加上以

2016-08-31 15:44:06 1360

原创 MVC设计模式（以Django为例）

MVC设计模式使用MVC的目的是将M和V的实现代码分离，从而使同一个程序可以使用不同的表现形式。比如统计学生数据可以分别用柱状图、饼形图来表示。C 存在的目的则是确保M和V的同步，一旦M改变，V应该同步更新简单的说， MVC 是一种软件开发的方法，它把代码的定义和数据访问的方法（模型）与请求逻辑（控制器）还有用户接口（视图）分开来。1. MVC = Model View Con

2016-08-29 21:06:22 688 1

原创机器学习实战 -ch09.树回归（CART算法）

一. CART vs ID3二. 算法代码及注释没有考虑后面的“树回归和标准回归的对比”，对于剪枝原理也还有待深入的理解# -*- coding:utf-8 -*- from numpy import *#读取数据到矩阵def loadDataSet(filename): dataMat = [] fr = open(filename) for line in fr

2016-08-29 19:52:53 937

转载 ubuntu14.04下sublime_text3的中文输入问题

在网上找了好久，终于在这篇blog里得到完美解决http://www.cnblogs.com/wangkongming/p/4302642.html

2016-08-27 21:36:53 356

原创机器学习实战——ch8.2 回归之预测乐高玩具价格

这部分由于书上提供的Google的购物API已经关闭，所以只能在实验楼上完成了这个实验(这一次，我只是代码的搬运工) 完整的代码及注释：#-*- coding: utf-8 -*-from numpy import *from BeautifulSoup import BeautifulSoup# 从页面读取数据，生成retX和retY列表def scrapePage(retX, retY,

2016-08-24 09:37:38 2666 1

原创机器学习实战——交叉验证

交叉验证(Cross-validation)：主要用于建模应用中，例如PCR 、PLS 回归建模中。在给定的建模样本中，拿出大部分样本进行建模型，留小部分样本用刚建立的模型进行预报，并求这小部分样本的预报误差，记录它们的平方加和十折交叉验证（10-fold cross-validation）：用来测试算法准确性。是常用的测试方法。将数据集分成十分，轮流将其中9份作为训练数据，1份作为测试数据，进行试

2016-08-18 20:10:49 511

转载机器学习实战——方差和偏差

在知乎上看到一个简洁易懂的解释：

2016-08-18 15:19:59 444

原创机器学习实战——ch08.1回归之岭回归

1.什么是岭回归？对于一个统计学知识匮乏的工科生，还真得好好补补。通过各种信息检索，终于有了一点理解，同时发现了统计学真的很重要，比如金融、生物（尤基因）等与大量数据相关的领域。岭回归：是一种专用于共线性数据分析的有偏估计回归方法，实质上是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价，获得回归系数更为符合实际、更可靠的回归方法，对病态数据的耐受性远远强于

2016-08-18 15:16:28 1766

原创机器学习实战 ——ch08.回归

一、基础知识准备：1.线性回归：１）统计回归分析的任务：根据x1,x2,x3,...,xp和观察值Y，去估计函数f，寻求变量之间近似的函数关系２）参数回归 & 线性回归：我们常用的是，假定f函数的数学形式已知，其中若干个参数未知，要通过自变量和因变量的观察值去估计未知的参数值。这叫“参数回归”。其中应用最广泛的是f为线性函数的假设： f(x1,x2,x3,

2016-08-15 15:41:40 265

原创机器学习实战—ch03 .决策树（ID3算法）

一、基础知识准备：1.标称型 & 数值型标称型：标称型目标变量的结果只有在有限的目标集中取值，如True、False（标称型目标变量主要用于分类）数值型：数值型目标变量则可以从无限的数值集合中取值，如0.100、42.001等（数值型目标变量主要用于回归分析）2.信息熵 & 信息增益信息熵：度量数据集合无序程度的量信息增益：信息熵（划分数据集前） - 信息熵(划分数

2016-08-14 20:46:48 420

u011629133的博客