amira_von的博客

系统： Linux 16.04 LTS 编辑器： vim 编译器：g++Segmenta Fault（段错误） 概念是“当程序试图访问不被允许访问的内存区域（比如，尝试写一块属于操作系统的内存），或以错误的类型访问内存区域（比如，尝试写一块只读内存）。” 一般段错误的原因有3个：数组或者内存越界啦，一定要注意边界啊。访问类型错误，数据类型不一致。比如非要访问一块只读内存，或者输出

JAVA EE7 Servlet 3.1新规范与中文乱码问题

感知机原始算法的Python实现和动画演示

K近邻法与KD树

感知机的算法与策略

感知机知识储备，判别模型与生成模型，超平面和梯度下降法。

1、下载tomcat2、解压缩到你指定的文件夹，命名为Tomcat。例如：/Library/Tomcat3、测试。打开终端，进入Tomcat下的bin目录，执行startup.sh脚本xx$ ./startup.sh然后浏览器打开 http://localhost:8080，如果成功连接服务器，页面会显示成功。要断开服务器，执行shutdown.sh脚本即可。4、下载ecl

监督学习可以解决实际中的很多问题，分类、标注与回归。

泛化能力指的是由某学习方法得到的模型对新数据的预测能力。泛化误差是度量这一能力的指标。实际上，泛化误差就是所学到的模型的期望风险，跟上一篇讲到的选择模型时衡量的期望风险一样：f上带个^表示这个f是已经学到的模型。那么泛化误差的概率上界是什么呢？假设f是选定的模型函数，R(f)是在训练集上的训练误差期望，R^(f)是在整个概率分布上的样本均值，即在可能的所有数据上产生的误差，

最近准备把李航的《统计学习方法》这本书学一遍，给机器学习入个门。第一章已经搞完了，主要的内容就是统计学习的基本概念和理论，搞清楚什么是统计学习。那么什么是统计学习呢，我的理解就是，以数据为基础对象，运用各种统计学习方法构建模型来拟合这些数据，得到的模型能对新的输入数据预测出较为合理的输出，这个模型就是我们想得到的成果。学习的过程就相当于在已知的数据中找规律，所以可以用概率分布来构建模型。统

最近在学习图像处理的相关知识，要用到opencv库。用了三天配环境，果然古人诚不欺我orz。用的Mac，在网上查了很多都是用homebrew来安装cmake，再用cmake编译安装opencv，但是我的homebrew总也安装不好，不是网站被墙了就是路径错误，折腾了半天貌似安装好了，但是无法用它来下载cmake，好像homebrew不支持cmake了？不得已，又安装了macport，这一次倒是