2015/1/13 5:15:25翻牌: 3501临幸: 2
nodejs所有的异步I/O操作在完成时都会发送一个事件到事件队列。nodejs里面的许多对象都会分发事件:一个net.Server对象会在每次有新连接时分发一个事件, 一个fs.readStream对象会在文件被打开的时候发出一个事件。 所有这些产生事件的对象都是 events.EventEmitter 的实例。 你可以通过require("events");来访问该模块。下面我们用一个简单的例子说明 EventEmitter 的用法://event.js  var EventEmitter = require("events").EventEmitter;  var event =...
2015/1/12 8:32:33翻牌: 2919临幸: 0
产生式分类器和判别式分类器产生式分类器:对联合分布p(x,y)建模– 产生:能从联合分布p(x,y)中产生数据– (朴素)贝叶斯分类器– LDA/QDA判别式分类器:直接对p(y|x)建模– Logistic回归– 感知机/神经元网络– SVMlogistic回归    logistic回归是对线性回归的扩展,它在线性回归的结果上再利用sigmod函数进行了一次映射。用函数表示成。其中WT *X是前面提到的线性回归的表达式,sigm是sigmod函数,形式为。sigmod函数是一个S形函数,它将线性回归的结结果映射到(0,1)区间。    这里我们只讨论类别是二值的分类。所以目标变量y服从伯努...
2015/1/12 4:58:53翻牌: 2297临幸: 0
先上一段代码,在解释其中道理//基类 var Person = function (name, age) {     //可继承的的,公有的属性     Person.prototype.name = name;     Person.prototype.age = age;     this.className = "Person";     //看一看这是什么     console.log(Person.__proto__); } //静态方法,类名就可调用 Person.prefix = function () {     return "hi "; } //...
2015/1/11 10:44:0翻牌: 3534临幸: 15
线性回归介绍    线性回归是利用数理统计中的回归分析,来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。我们假设有n维特征,用公式表示为y=f(X)+ε.其中X是一个n+1维的向量,用点积形式表示为,w和x都是n+1维向量,其中n维是特征,最后1维是一个常数,或者叫截距项。我们要计算的就是这个w向量,w成为权重向量,有了w,根据公式就可以计算出y。    上图给出了一个房价预测的例子。房价预测就是用前面的四列特征,计算出房子大体的价格。也就是我们要求一个公式price=a*x1+b*x2+c*x3+d*x4+e的一个公式,使这个公式在训练集上误差最小。求得一个w向量(a,b,c...
2015/1/11 8:27:54翻牌: 2603临幸: 1
    工程文件夹下有 bin,obj,src,include文件夹,类的定义.h文件在include文件夹下,类的实现.cpp在src文件夹下。main函数在根目录的main.cpp文件中。编译时将.o编译到obj文件夹下,将可执行文件编译到bin文件夹下。DIR_INC = ./include DIR_SRC = ./src DIR_OBJ = ./obj DIR_BIN = ./bin SRC =  $(wildcard ${DIR_SRC}/*.cpp) OBJ = $(patsubst %.cpp,${DIR_OBJ}/%.o,$(notdir ${SRC})) mai...
2015/1/10 9:1:37翻牌: 6511临幸: 3
    spimi算法实现的倒排索引的构建,并且对倒排索引进行了Gamma编码压缩,对词典进行了单一字符串压缩,分别写入了二进制的倒排索引文件和词典文件。源码可以在这里下载。http://download.csdn.net/detail/longmenwaideyu/8348061这其实是我刚刚上交了的现代信息检索的作业。spimi算法    内存式单遍扫描索引构建算法SPIMI(Single-pass in-memory indexing)基本思想如下    关键思想1: 对每个块都产生一个独立的词典--不需要在块之间进行term-termID的映射    关键思想2: 对倒排记录表不排序,...
2015/1/3 9:14:26翻牌: 5467临幸: 0
1. 朴素贝叶斯分类器    朴素贝叶斯分类是一种十分简单的分类算法,朴素贝叶斯根据给定的特征向量(若干个特征写成一行),求解在所以特征值都出现的条件下各个类别出现的概率,哪个最大,就认为此待分类项属于哪个类别。用公式表示为y=c表示类别为c,粗体x表示一个特征向量,D是指当前数据集,因为学习是在某数据集的条件下。    可以看出,求某个类别在某些条件下出现的概率,使用的是贝叶斯公式,第一章已经提到。并且,公式的分母其实都一样,所以公式的左端正比于公式的右端分子,即每次只计算分子,哪个类别的分子大,就预测为哪个类别。从分子我们可以看出,大体上需要计算两个东西,一个是在某个类别时特征向量X出现的...
2015/1/1 8:58:58翻牌: 3828临幸: 4
零. 开篇序言        一个学期结束了,期末匆匆忙忙的开发了这个博客系统,当时壮志雄雄的说,等我博客上线了,我一定要把这学期学的东西整理成博客,第一个文集就叫机器学习。25号考完了机器学习就赖在床上一整周,甚至博客系统有些东西都没开发完,囧。直到前天才强打精神,算是大体上把博客开发完成了,虽然有些边边角角还是需要继续修的,不过发了几篇博客感觉还是不错的,赞一个。    前天昨天今天把以前一些个小玩意稍稍整理了一下发了几篇博客,语言都不完全,完全是先占个坑。以后慢慢的补,一方面是为了测试博客,一方面是先列个大纲。    这个文集不仅是机器学习这一门课程的内容整理,还参考了相关的其他几门课程...
2015/1/1 5:20:28翻牌: 3846临幸: 20
代码放在github上,欢迎下载,欢迎提出意见和建议https://github.com/longmenwaideyu/expressjs-blog主要功能和特色文集功能,将文章整理成册功能齐全的富文本编辑器,写博客更随心响应式布局,手机上效果也很出色搜索引擎优化,自动提取文章大纲和关键词,填入description和keywords占内存少,方便托管于bae的128m最小web服务上。漂亮的侧边栏自定义URL,连接可以体现博客主题待开发功能文章右侧边栏增加一个自动提取的文章大纲,充当文章的目录功能,自动添加锚点进行定位,用户无需手动添加增加markdown的编辑器回复审核和删除功能seo优化...
2015/1/1 2:39:27翻牌: 3163临幸: 2
1. string介绍(1)string类的构造函数如下:     a) string s; //生成一个空字符串s     b) string s(str) //拷贝构造函数 生成str的复制品     c) string s(str,stridx) //将字符串str内"始于位置stridx"的部分当作字符串的初值     d) string s(str,stridx,strlen) //将字符串str内"始于stridx且长度顶多strlen"的部分作为字符串的初值     e) string s(cstr) //将C字符串作为s的初值     f) string s(chars,cha...