2010年09月_feliciafay

11月 10月 09月 07月 06月 05月 04月

原创 C++Primer学习笔记第十二章(12/18)类

构造函数创建一个类类型的对象时，编译器会自动使用一个构造函数（第 2.3.3 节）来初始化该对象。构造函数是一个特殊的、与类同名的成员函数，用于给每个数据成员设置适当的初始值。构造函数一般就使用一个构造函数初始化列表（第 7.7.3 节），来初始化对象的数据成员：Sales_item(): units_sold(0), revenue(0.0) { }成员函数在类内部，声明成员函数是必需的，而定义成员函数则是可选的。在类内部定义的函数默认为 inline。const 成员不能改变其所操作的对象的数据成员。c

2010-09-28 02:12:00 788

原创 C++Primer学习笔记第十一章(11/18)泛型算法

算法概述大多数情况下，每个算法都需要使用（至少）两个迭代器指出该算法操纵的元素范围，我们将这段范围称为“输出范围（input range）”。第一个迭代器指向第一个元素，而第二个迭代器则指向最后一个元素的下一位置。第二个迭代器所指向的元素［有时被称为超出末端迭代器］本身不是要操作的元素，而被用作终止遍历的哨兵（sentinel）。理解算法的最基本方法是了解该算法是否读元素、写元素或者对元素进行重新排序。泛型算法本身从不执行容器操作，只是单独依赖迭代器和迭代器操作实现。算法基于迭代器及其操作实现，而并非基于容

2010-09-25 03:18:00 851

原创 C++Primer学习笔记第十章(10/18)关联容器

关联容器概述map 键值对(一个键对应一个值，键不可重复。如字典,单词是键，词义为值)set 键对（键的集合，键不可重复)multimap 键值对(一个键对应多个值，键不可重负)multiset 键对(键的集合，键可以重复)特点容器元素根据键的次序进行排列。pair类型的操作① pair p1 如pair poetry;pair word_count②

2010-09-23 01:58:00 1115

原创 C++Primer学习笔记第九章(9/18)顺序容器-(下)

容器定义的类型别名 1size_type 2 iterator, const_iterator, reverse_iterator, const_reverse_iterator, difference_type, value_type 3reference 4const_reference 顺序容器的操作1—访问 c.begin() 返回类型ite

2010-09-19 19:10:00 1767

原创为什么样本方差要除以n-1

使用样本来无偏估计总体方差的时候，公式如下：为什么分母是n-1，而不是n呢？这直觉上不太对。其实，如果分母为n，也可以成为一个估计值，但是它不满足无偏这个条件。仅在除以n-1时才满足无偏这个条件。所以说，关键问题在于“无偏”。那么“无偏”的定义是什么？如果一个估计量是“无偏”的，那么它的期望就等于真实值。看到一些书上和网上的资料，有不同的角度。现在按照从感性角度到理性角度的顺序对它们进行整理：角度一生活实例样本的容量小于整体，所以有较小的可能性抽中一些极端的数据。比如找来一堆人做样本来测量身高，

2010-09-11 20:17:00 47776 11

原创《数据挖掘概念与技术》学习笔记第9-10章_复杂数据类型的挖掘+数据挖掘的应用和发展趋势(9/10)+(10/10)

空间数据 多媒体数据 例：图像数据 基于描述的检索系统：关键字，标题，尺寸等 基于内容的检索系统：颜色构成，纹理，形状，对象和小波变换等。 时序数据和序列数据 趋势分析 长期变化(长期趋势) 循环变化(周期变化，如果有的话)<br

2010-09-03 15:55:00 1684

原创《数据挖掘概念与技术》学习笔记第8章(8/10)聚类分析

《数据挖掘概念与技术》学习笔记第8章(8/10)聚类分析聚类分析聚类分析是一种无指导的学习。对于聚类分析的好坏程度的判断标准是：可伸缩性、处理不同类型属性的能力、发现任意形状的聚类，用于决定输入参数的领域知识最小化、处理噪声数据的能力、对于数据记录的顺序不敏感、高维性、基于约束的聚类、可解释性和可用性。数据矩阵二模矩阵(tow-mode)相异度矩阵单模矩阵(one-mode)数据标准化：距离度量欧几里德距离曼哈坦距离明考斯基距离加权的欧几里得距离二元变量的相异度简单匹配系数Jaccard系数标称型变量的相异

2010-09-03 15:27:00 2660

原创《数据挖掘概念与技术》学习笔记第7章(7/10)分类和预测

分类 第一步，建立一个模型，描述预定的数据类集或者概念集。 第二步，使用模型进行分类。 补充说明： 1 数据类集或者概念集还可以被称为样本、实例、对象。 2为建立模型而被分析的数据类集称为训练数据集。 3 这是一种有指导的学习，而在聚类中，使用的是无指导的学习。 对分类方法进行评估 可以采用的评估标准包括：预测的准确率、速度、强壮性、可伸缩性、可解释性。 判定树的可伸缩性<br

2010-09-03 14:50:00 1287

原创《数据挖掘概念与技术》学习笔记第6章(6/10)挖掘大型数据库中的关联规则

项目集：项的集合，记为I。牛奶，面包，苹果，etc 事务：事务T是I中的一组项目的集合，每个事务都有个一个TID作为标识符号。 项目集X的支持度 Sup(X)=Count(X)/|D| 关联规则X->Y的支持度 Sup(X->Y)=Count(X->Y)/|D| 关联规则X->Y的置信度 Conf(X->Y)=Count( X->Y)/Count(X)<br /

2010-09-03 14:33:00 1500

原创《数据挖掘概念与技术》学习笔记第5章(5/10)概念描述: 特征化与比较

概念描述： 概念描述产生数据的特征化和比较描述。进行概念描述时，可以采用属性删除和属性概化(attribute generalization) 。 什么叫做属性概化(attribute generalization)? 其实就是将具体的内容变得更抽象。 例: place 属性下的Vancouver, BC, Canada 和Montreal, Que, Canada, 和Seattle, Wa, USA 都可以变为Canada 。 <b

2010-09-01 18:09:00 1091

数据挖掘--概念.模型.方法和算法

本书全面讲述了数据挖掘的概念、模型、方法和算法。本书共包括13章和2个附录，全面、详细地讲述了从数据挖掘的基本概念到数据挖掘的整个过程，以及数据挖掘工具及其典型应用领域.

2009-09-20

机器学习 Tom Mitchell 中文版

书中主要涵盖了目前机器学习中各种最实用的理论和算法，包括概念学习、决策树、神经网络、贝叶斯学习、基于实例的学习、遗传算法、规则学习、基于解释的学习和增强学习等。对每一个主题，作者不仅进行了十分详尽和直观的解释，还给出了实用的算法流程。本书被卡内基梅隆等许多大学作为机器学习课程的教材。机器学习这门学科研究的是能通过经验自动改进的计算机算法，其应用从数据挖掘程序到信息过滤系统，再到自动机工具，已经非常丰富。机器学习从很多学科吸收了成果和概念，包括人工智能、概论论与数理统计、哲学、信息论、生物学、认知科学和控制论等，并以此来理解问题的背景、算法和算法中的隐含假定。

2009-09-20

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

BUILD