阿里贝尔的博客

原创 用图片数据集训练神经网络 tensorflow

本篇博客主要讲的是如何将自己的图片数据集进行处理，然后搭建神经网络结构，训练数据，保存和加载模型，测试等过程

原创 一日看尽golang基础语法

golang的基础语法和其他语言有共通之处，有其他语言的语法基础能让我们更快的熟悉golang。那直接让我们步入正题吧。1、注释 单行注释 和 多行注释 // single annotation/*muti-line annotation*/ 2、定义包名packagemain//定义一个名称为main的包 每个go文件中必须定义包名...

原创 5分钟入门golang module

golang团队在版本1.13及以后全面支持module机制，用于结束混乱复杂的项目管理机制。同学们可以简单的将module机制理解成pip、apt-get等包管理工具。一个项目（仓库）包括多个module(模块)，一个模块包括多个package(包)，而一个包含多个代码源文件。简单的说，在一个module中，module机制自动保证导入所有源文件中使用的标准库和第三方包，而不用逐一go ...

原创 Docker个人理解与初级使用

在docker没有出现之前，开发人员在自己的开发环境下进行开发，然后测试环境需要部署一套相同的环境进行测试，而部署人员在部署时也会有一套部署环境，那么三者的环境就有可能不一样，从而导致测试结果不对或者部署服务无法正常使用等问题。那么docker就是一项能够帮助开发、测试、部署等人员共享计算机环境的技术。一旦能够实现共享计算机环境，那么能够极大的降低各个团队的工作成本。那么如何才能共享...

转载 vim快捷键图解

原创 opencv基础实例（C++）

最近正在学习opencv，主要涉及其中对图像的操作，现简单的给出部分基础实例，读者在使用时，只需打开某个实例的注释即可运行代码。有关各个函数的参数的具体意义并没有具体的说明，请读者自行阅读手册，这是学习opencv必须经历的过程。如下实例仅仅给读者一个编程参考，后续将持续更新。/***@main.cpp*@learning note*@Ali*/#include "op

原创 Selective Ensemble of Decision Trees(周志华)

《Selective Ensemble of Decision Trees》一文的思维导图

原创 Pareto Ensemble Pruning（周志华）

最近阅读了周志华老师的《Pareto Ensemble Pruning》一文，将理解制作成pdf如下与大家讨论。有关实验部分略去。上传后显示可能不全或者不清楚，需要清晰版的请留言联系本人。

原创 windows 7下安装scikit-learn及相关包

在64位windows 7系统python2.7下安装scikit-learn包时，安装numpy，scipy和matplotlib包基本没问题，但是每次导入datasets包时都会报错，下面给出最后成功的方法。        默认读者已经安装好python2.7且环境配置正确。首先安装easy_install和pip：        1. 下载setuptools包解压，在命令窗

原创 linux在菜单栏中添加程序快捷启动图标

当我们在linux下安装类似网易云音乐的软件后，软件会在菜单栏中添加启动图标，这样我们就能在搜索栏搜索云音乐并快速启动，但是类似eclipse，matlab等软件就不会自动在菜单栏中添加启动图标。下面，以eclipse为例简单介绍一下方法，matlab等其他软件都是一样的。      首先确定eclipse的安装目录（即启动文件所在的目录）              1.我把eclipse

原创 常用的linux命令

eog a.jpg 打开图片pa -A 查看所有进程kill 进程号  杀死进程

原创 机器学习——朴素贝叶斯法（naive Bayes）

朴素贝叶斯的原理再此就不细说了，有兴趣的朋友参看《统计学习方法》，里面给出详细的说明。本文仅给出算法，同时做出少量解释，然后给出python的实现。        下面给出相应的算法描述         在输入中，训练数据的每个元素由特征X和标签Y组成，特征X是一个包含n个x元素的列向量。         第一步：计算先验概率和条件概率。                   公式一

原创 《How hard can it be? Estimating the difficulty of visual search in an image》和 PPT

《How hard can it be? Estimating the difficulty of visual search in an image》发表于2016年CVPR上，这篇文章是老师推荐的，需要说明的是它的model相对来说简单，而其真正的想法才是比较新颖的。        作者做的主要工作是提出了一种在视觉搜索中衡量图像的搜索难度的方法。我们知道人的视觉在进行搜索时，首先

原创 机器学习——感知机学习

本篇博客是实现《统计学习方法》中的第二章所讲述的感知机学习 ，这是一个很简单的模型，下面给出算法，下面给出python代码，包括画出图像#!/usr/bin/env python# encoding: utf-8import matplotlib.pyplot as pltimport numpy as npx_list = [[3,3],[4,3],[1,2],[1,

原创 python matplotlib 画图简介

python的matplotlib包支持我们画图，有点非常多，现学习如下。首先要导入包，在以后的示例中默认已经导入这两个包import matplotlib.pyplot as pltimport numpy as np然后画一个最基本的图t = np.arange(0.0, 2.0, 0.01)#x轴上的点，0到2之间以0.01为间隔s = np.sin(2*np.pi*t)

原创 编程中常用的小技巧

1.python中list的合并：使用切片，在L1的最后直接添加L1[[-1,-1] = L2#将L2中的所有元素添加到L1中2.python中list去重list(set(L))#转化成集合去重，再转化为list

原创 一个小项目（爬虫）的诞生全过程

下面是一个小爬虫的整个诞生过程step 1在本地使用git管理工具：mkdir ZhiHu_Movie#创建并进入该目录下git init#初始化vim readme.txt#在本文件中写入相关的必要信息git add readme.txt#添加git commit -m ‘add comment’#提交到本地在github上新建一个仓库ZhiHu_Movie后git

原创 python 网络数据采集（6-9章）

上篇博客我们学到第五章，现在我们继续学习。第六章 读取文档1.读取txt，这个非常简单from urllib.request import urlopentextPage = urlopen("http://www.pythonscraping.com/pages/warandpeace/chapter1.txt")print(textPage.read())2.读取csv文件

转载 通俗理解EM算法

这是我见到的比较通俗易懂地讲解EM算法的博客，对我理解EM算法起到非常大的帮助作用。博客转自zouxy09的专栏，地址为：http://blog.csdn.net/zouxy09/article/details/8537620  ，在此表示感谢。从最大似然到EM算法浅解zouxy09@qq.comhttp://blog.csdn.net/zouxy09 

原创 python 网络数据采集（1-5章）

本文是《Web scraping with python》的简单的学习笔记，默认在python 3.0版本上运行，所以在运行时使用python3 py.py命令。第一章 第一个网络爬虫             本章给出一个简单的web 爬虫代码段如下：from urllib.request import urlopenfrom urllib.error import HTTP

原创 python中argparse

在很多编程语言中，运行程序可以直接使用function（a，b，……）运行程序，但是在python中就无法实现，那么我们如何在命令行中传递参数呢？在python的中，有一个argparse包，能够实现。     当遇到需要参数的情况时，有以下三种处理方法：     1. 直接给定               这种方法虽然实现起来方便，但是灵活性非常差，每次都需要打开python文件修改

原创 tmux 安装及使用

tmux 提供了很多帮助我们编程的功能，其中最让我在意的就是分屏功能，可以在各自的屏幕中进行不同的工作，而不需要我们打开多个终端。安装：sudo apt-get install tmux基本使用：在终端中输入tmux，此时可以运行tmux，使用tmux快捷键时，都要按下ctrl + b 开始，即每次                  都要按下ctrl + b

原创 Github 初级入门

在上一篇博客中，我们主要讲了Git的初级用法。想必大家也知道Github的存在，本文也使用情景再现的方式为大家简单讲解一下Github的基本用法，另外也穿插Git的其他一些比较常用的知识。        回顾上一篇博文，我们把Git比喻成看管代码仓库的管理员，那Github是什么呢？其实它就是一个社区，这个社区里住的全是管理代码仓库的管理员，这个社区距离我们很远（远程服务器上），不在本地。现在

原创 Git 初级入门

Git是一款强大的版本控制软件，通俗的讲就是一款能够帮你管理代码的软件，

原创 最常用的vim快捷键

在vim编辑器中，我最常用的一些快捷键总结如下。H、J、K、L    左下右上ctrl + f               下页ctrl + b             上页gg                     光标移动到第一行首字符ngg                   光标移动到第n行首字符G                      光标移动到最后一行尾字

原创 正则表达式快速入门（python示例）

正则表达式的作用我就不赘述了，首先讲解一下单个字符的匹配。1、‘’.“(点)：匹配除了（\n）之外的所有字符。首先import re，以下的示例都默认已经导入了re包，不再另行说明。string1 = 'python'string2 = '012345'ma1 = re.match(r'.',string1)#r代表匹配元字符串，即正则表达式中的表达为最原始的 #含义，此时

原创 机器学习——K近邻算法（KNN）

K近邻算法的原理：存在一个样本集合，其中包括样本和其对应的标签，计算新数据的标签与各个样本标签的相似度，选择最相似的K（一般不大于20）个标签类别，标签类别出现次数最多的标签就是新数据的标签。下面用一个简单的例子介绍一下KNN算法。1.准备数据 from numpy import * import operator group = array([[1.0,1.1],[1.0,1.

转载 深刻理解SVM

这是我看到的对SVM理解最深刻的博文之一，本文转自http://blog.csdn.net/v_july_v/article/details/7624837，仔细阅读之后，读者定有收获。前言    动笔写这个支持向量机(support vector machine)是费了不少劲和困难的，原因很简单，一者这个东西本身就并不好懂，要深入学习和研究下去需花费不少时间和精力，二者这个东西也

原创 算法分析与设计复习概要（上）

本文仅仅是为了快速理解掌握多个经典算法类型而总结的思想性概要，并无算法实现。1. 递归递归算法的经典实例为汉诺塔问题和全排列问题，在此对汉诺塔问题简单总结一下。     假设f(n-1)已经解决，如何解决f(n)问题，也就是说假设n-1个圆盘的顺序已经安放正确，如何正确安放第n个圆盘，      使得所有n个圆盘安放正确。Hanoi（n，A,B,C）if n=1 将

原创 通俗理解马尔科夫链

在理解马尔科夫链之前先了解一下马尔科夫性质，我们假设某一过程是由一个状态序列构成，就相当于视频由每一帧构成。这个状态序列被称为状态空间，假设某一时刻的状态是其前一时刻状态的函数，则说明该序列有马尔科夫性质，通俗的说，该时刻的状态只与其前一时刻的状态有关，则序列有马尔科夫性质。所以我们在预测下一状态时，只与当前状态有关，与当前状态之前的状态都无关。由此引出一个概念：马尔科夫过程。我们仅仅

原创 通俗理解模拟退火算法

模拟退火算法  模拟退火算法是是爬山算法的改进算法，算法过程中是以一定的概率接受一个比当前解更差的解，故有可能跳出局部最优解从而达到全局最优解。更新解的情况如下：1.移动后得到更优解，则总是接受该移动  2.移动后比当前解要差，则以一定概率接受该移动  模拟退火算法解决旅行商问题  旅行商问题：亦称货郎从N个城市的某个城市A，唯一遍历剩下的N-1个城市，

原创 通俗理解爬山算法

爬山算法贪心算法 爬山算法即是模拟爬山的过程，随机选择一个位置爬山，每次朝着更高的方向移动，直到到达山顶，即每次都在临近的空间中选择最优解作为当前解，直到局部最优解。这样算法会陷入局部最优解，能否得到全局最优解取决于初始点的位置。初始点若选择在全局最优解附近，则就可能得到全局最优解。

原创 向量范数和矩阵范数

向量范数：1. 0-范数：向量中非零元素的个数2. 1-范数：向量中各个元素的绝对值之和3. 2-范数：向量中各个元素的平方和的平方根