lee_4的专栏

代码前加import sysreload(sys)sys.setdefaultencoding('utf-8')

首先安装SublimeREPL，然后修改Preference->Key Bindings-User 把下面这段话copy进去[ {"keys":["ctrl+r"] , "caption": "SublimeREPL: Python - RUN current file", "command": "run_existing_window_command",

在对图像进行平移的时候，要求平移矩阵的格式32float，所以创建矩阵时候应该用np.float32，而不能用np.array

1、安装homebrew 地址为 http://brew.sh/index_zh-cn.html2、安装cmake。输入brew update，然后输入brew upgrade。之后输入brew install cmake。可能会出现Error: Permission denied的报错。这是由于权限的问题。需要把文件夹的权限改一下。3、下载opencv for Mac的源码。将源码解压后

先安装pip。方法：sudo easy_install pip然后用pillow代替pil安装方法:sudo pip install pillow在需要import Image,ImageDraw的地方用from PIL import Image,ImageDraw

文件头部加一行代码  # coding=utf-8

一、奇异值与特征值基础知识：    特征值分解和奇异值分解在机器学习领域都是属于满地可见的方法。两者有着很紧密的关系，我在接下来会谈到，特征值分解和奇异值分解的目的都是一样，就是提取出一个矩阵最重要的特征。先谈谈特征值分解吧：   1）特征值：    如果说一个向量v是方阵A的特征向量，将一定可以表示成下面的形式：    这时候λ就被称为特征向量v对应的特征

TF-IDF的主要思想是，如果某个词或短语在一篇文章中出现的频率TF高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类。TF词频(Term Frequency)指的是某一个给定的词语在该文件中出现的次数。IDF反文档频率(Inverse Document Frequency)的主要思想是：如果包含词条的文档越少，IDF越大，则说明词条具有很好的类别区分能力。