<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[云淡风轻，金石为开。]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/ML_algorithmResearch</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; ML_algorithmResearch]]></copyright><item><title><![CDATA[重新认识决策树系列算法和逻辑斯特回归（一）]]></title><link>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/51925890</link><guid>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/51925890</guid><author>ML_algorithmResearch</author><pubDate>Sat, 16 Jul 2016 19:42:13 +0800</pubDate><description><![CDATA[一、决策树通俗到深入理解
我们知道决策树可以用来分类，同样可以用来回归，我们主要其应用于分类的情况，回归其实是相似的。
举一个例子，一家银行要确定是否给用户发信用卡，那么它要根据用户的基本信息来确定是否要发给这个用户，假设我们知道用户的信息如下：




年龄


是否有工作


是否有自己的房子


信贷情况


性别




青年、中年、老年
]]></description><category></category></item><item><title><![CDATA[你应当如何学习C++(以及编程)]]></title><link>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50950866</link><guid>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50950866</guid><author>ML_algorithmResearch</author><pubDate>Mon, 21 Mar 2016 22:24:38 +0800</pubDate><description><![CDATA[原博文地址：http://blog.youkuaiyun.com/pongba/article/details/1611593

你应当如何学习C++(以及编程)(rev#1)
 
By 刘未鹏(pongba)
C++的罗浮宫(http://blog.youkuaiyun.com/pongba)
 
Javascript是世界上最受误解的语言，其实C++何尝不是。坊间流传的错误的C++学习方法一抓就是一大把]]></description><category></category></item><item><title><![CDATA[学习C++：实践者的方法（Beta1）]]></title><link>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50950850</link><guid>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50950850</guid><author>ML_algorithmResearch</author><pubDate>Mon, 21 Mar 2016 22:22:47 +0800</pubDate><description><![CDATA[原博文地址：http://blog.youkuaiyun.com/pongba/article/details/1930150


学习C++：实践者的方法（Beta1）

By 刘未鹏(pongba)

C++的罗浮宫(http://blog.youkuaiyun.com/pongba)



前言

我的blog以前很长一段时间关注的都是C++中的技术&细节，乃至于读者和应者都寥寥。然而5月]]></description><category></category></item><item><title><![CDATA[面试经验（妙计旅行：C++算法工程师）]]></title><link>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50820613</link><guid>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50820613</guid><author>ML_algorithmResearch</author><pubDate>Mon, 07 Mar 2016 17:14:06 +0800</pubDate><description><![CDATA[这是一次很失败的面试经历，这同样是一次非常有意义的面试经历。
说下自己的大致情况，本科一个不太好的二本院校的软件工程专业，考研到一所二线城市的985学校的计算机学院，无奈导师属于不管你的类型的，基本放羊，然后研二把我派到北京实习，做的是Qt下的C++开发（但是从这次面试经历来看，都不好意思再说自己做的是C++了）。但是自己一直想做的是算法方面的研究，所以就在工作之余学一些机器学习和检索模型的东西]]></description><category></category></item><item><title><![CDATA[php中使用exec,system等函数调用系统命令]]></title><link>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50815041</link><guid>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50815041</guid><author>ML_algorithmResearch</author><pubDate>Sun, 06 Mar 2016 20:14:12 +0800</pubDate><description><![CDATA[原文：

php的内置函数exec,system都可以调用系统命令(shell命令),当然还有passthru,escapeshellcmd等函数。

　　在很多时候利用php的exec,system等函数调用系统命令可以帮助我们更好更快的完成工作。比如前二天笔者在批量处理.rar文件时exec就帮我了大忙了。

　　今天整理一下常用的调用系统函数发出来和大家分享经验。

　　注意]]></description><category></category></item><item><title><![CDATA[Python做矩阵运算]]></title><link>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50602419</link><guid>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50602419</guid><author>ML_algorithmResearch</author><pubDate>Thu, 28 Jan 2016 18:02:43 +0800</pubDate><description><![CDATA[本文转载自：http://www.xuebuyuan.com/1420264.html

Python使用NumPy包完成了对N-维数组的快速便捷操作。使用这个包，需要导入numpy。SciPy包以NumPy包为基础，大大的扩展了numpy的能力。为了使用的方便，scipy包在最外层名字空间中包括了所有的numpy内容，因此只要导入了scipy，不必在单独导入numpy了！但是为了明确哪些是n]]></description><category></category></item><item><title><![CDATA[关于CSV文件导入到数据的方法以及遇到的问题和解决方案]]></title><link>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50594961</link><guid>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50594961</guid><author>ML_algorithmResearch</author><pubDate>Wed, 27 Jan 2016 16:20:06 +0800</pubDate><description><![CDATA[最近做机器学习，在网上找到了一些数据要进行做实验。现在下来的是.CSV的文件，因为数据量比较大，故我需要把其导入到数据库中，我使用的数据库是Mysql5.7版本。
  注意，Mysql为用户提供了专门的导入数据库的函数，即为Load_file()，故我们其实直接在任何能执行sql命令的地方执行如下的指令就行。
  

csv导入mysql



load data infile ']]></description><category></category></item><item><title><![CDATA[搜索与机器学习]]></title><link>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50578210</link><guid>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50578210</guid><author>ML_algorithmResearch</author><pubDate>Mon, 25 Jan 2016 11:08:19 +0800</pubDate><description><![CDATA[原博文地址：http://blog.sina.com.cn/s/blog_7ad48fee01011w85.html
中国计算机学会《技术动态》人工智能专题。http://www.ccf.org.cn/sites/ccf/rgzn.jsp
 
今年是图灵诞辰100周年。如果图灵在世的话，他会惊喜地发现互联网搜索引擎已经能在自己当年设计的人工智能测试上取得相当好的成绩，因为在主要的搜索引擎上提]]></description><category></category></item><item><title><![CDATA[2016年1月11日]]></title><link>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50500154</link><guid>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50500154</guid><author>ML_algorithmResearch</author><pubDate>Mon, 11 Jan 2016 23:25:42 +0800</pubDate><description><![CDATA[一、sum函数
在numpy中有很多的简单方便的矩阵运算符号，sum函数就是其中之一，下面以实力为例进行讲解：

1.  其中第一个例子，如果该矩阵是一个一维的，sum的含义就是把矩阵中所有的元素相加，返回结果，那么如果是多维的呢？第三个例子就是，同样把所有的元素相加返回结果。
        2.  在第二个例子中，多了一个参数dtype，它是用来规定矩阵中的元素转化为什么类型的然后再进]]></description><category></category></item><item><title><![CDATA[2016年1月10日]]></title><link>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50493970</link><guid>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50493970</guid><author>ML_algorithmResearch</author><pubDate>Sun, 10 Jan 2016 21:46:01 +0800</pubDate><description><![CDATA[好长时间没有写博客了，主要是现在正在出差，现在趁着闲着的时间写点博客吧。
    好长时间没有更新机器学习和编程之美系列的博客，原因在于，由于时间的不足，我只能先看视频，然后趁着有时间了在写博客，视频我现在已经看完了，机器学习基石和机器学习技法的视频我都看完了。现在我的想法是自己找些数据进行实战，一切的理论的深入理解都是靠实战来完成的。
   我自己采用了Anaconda来进行我的机器学习实战]]></description><category></category></item><item><title><![CDATA[小飞的电梯调度算法]]></title><link>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50436892</link><guid>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50436892</guid><author>ML_algorithmResearch</author><pubDate>Wed, 30 Dec 2015 19:28:12 +0800</pubDate><description><![CDATA[一、问题
亚洲微软研究院所在的希格玛大厦一共有6部电梯。在高峰时间，每层都有人上下，电梯每层都停。实习生小飞常常会被每层都停的电梯弄的很不耐烦，于是他提出了这样一个办法：
由于楼层并不算太高，那么在繁忙的上下班时间，每次电梯从一层往上走时，我们只允许电梯停在其中的某一层。所有乘客从一楼上电梯，到达某层后，电梯停下来，所有乘客再从这里爬楼梯到自己的目的层。在一楼的时候，每个乘客选择自己的目的层，]]></description><category></category></item><item><title><![CDATA[光影切割问题]]></title><link>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50427457</link><guid>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50427457</guid><author>ML_algorithmResearch</author><pubDate>Tue, 29 Dec 2015 16:17:12 +0800</pubDate><description><![CDATA[一、问题：


   不少人很爱玩游戏，例如 CS 。 游戏设计也成为程序开发的热点之一，我们假设要设计破旧仓库之类的场景作为战争游戏的背景。仓库的地面会因为阳光从屋顶的漏洞或者窗口照射进来而形成许多光照区域和阴影区域。为了简单起见，假设不同区域的边界都是直线 ， 我们把这些直线都叫做“光影线”，并且不存在三条光影线相交于一点的情况。 

     那么，如果我们需要快速计算某个时刻，在]]></description><category></category></item><item><title><![CDATA[饮料供货]]></title><link>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50425556</link><guid>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50425556</guid><author>ML_algorithmResearch</author><pubDate>Tue, 29 Dec 2015 12:05:24 +0800</pubDate><description><![CDATA[一、问题：
 水房中有很多饮料，上班的人每天都去拿一些饮料，管理水房的阿姨们每天都会准备很多的饮料给大家，为了提高服务质量，他们会统计大家对每种饮料的满意程度。
从阿姨的统计数据中，我们知道了大家对每一种饮料的满意度。供应饮料还有如下限制：
首先供应的饮料，总容量为V。
其次每一种饮料的单个容量都是2的方幂，什么意思呢，比如说王老吉每瓶都是2的3次幂=8L的，可口可乐都是2的四次幂=16L]]></description><category></category></item><item><title><![CDATA[快速找出故障机器]]></title><link>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50421734</link><guid>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50421734</guid><author>ML_algorithmResearch</author><pubDate>Mon, 28 Dec 2015 21:50:05 +0800</pubDate><description><![CDATA[题目：假设一个机器只存储一个标号为ID的记录，假设每份数据保存2个备份，这样就有2个机器存储了相同的数据。其中ID是小于10亿的整数

问题1、在某个时间，如果得到一个数据文件ID的列表。是否能够快速的找到这个表中仅出现一次的ID?即快速找出出现故障的机器存储的数据ID。

问题2、如果有两台机器死机呢？（假设同一个数据的俩个备份不会同时丢失，即列表中缺少的是两个不等的ID）

扩展题]]></description><category></category></item><item><title><![CDATA[买书问题]]></title><link>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50409903</link><guid>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50409903</guid><author>ML_algorithmResearch</author><pubDate>Sat, 26 Dec 2015 20:10:13 +0800</pubDate><description><![CDATA[一、问题：
买书问题：

      上柜的《哈利波特》平装本系列，一共有五卷。假设每一卷单独销售均需8欧元。如果读者一次购买不同的两卷，就可以扣除5%的费用，三卷则更多。假设具体折扣的情况如下：

        本数    2       折扣   5%

        本数    3       折扣  10%

        本数    4       折扣  20%]]></description><category></category></item><item><title><![CDATA[一摞烙饼的排序]]></title><link>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50405548</link><guid>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50405548</guid><author>ML_algorithmResearch</author><pubDate>Fri, 25 Dec 2015 22:25:28 +0800</pubDate><description><![CDATA[一，问题：             

        星期五的晚上，一帮同事在希格玛大厦附近的“硬盘酒吧”多喝了几杯。程序员多喝了几杯之后谈什么呢？自然是算法问题。有个同事说：“我以前在餐馆打工，顾客经常点非常多的烙饼。店里的饼大小不一，我习惯在到达顾客饭桌前，把一摞饼按照大小次序摆好——小的在上面，大的在下面。由于我一只手托着盘子，只好用另一只手，一次抓住最上面的几块饼，把它们上下颠倒个个]]></description><category></category></item><item><title><![CDATA[VC 维度（七）]]></title><link>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50403570</link><guid>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50403570</guid><author>ML_algorithmResearch</author><pubDate>Fri, 25 Dec 2015 15:43:24 +0800</pubDate><description><![CDATA[这一章节非常重要，也是有点难度的
上节课我们知道，我们得到的一个结论是：
我们的假设函数的成长函数，它的break point 是K，那么成长函数是小于边界函数B（N，k）的，边界函数是，边界函数的最大值是N的k-1次方
那么我们把我们的B（N，K）的值和N的k-1次方的值列出来，会发现其实：



也就是说成长函数会被N的k-1次方所限定。
上节课我们还讲到说我们的任意一个假设函]]></description><category></category></item><item><title><![CDATA[一般化理论（六）]]></title><link>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50402303</link><guid>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50402303</guid><author>ML_algorithmResearch</author><pubDate>Fri, 25 Dec 2015 14:49:23 +0800</pubDate><description><![CDATA[上一节中，我们说我们的假设函数集合是无限大的，那么我们的想法是找到这样的一个成长函数来代替原来的无限大的假设函数集合数目。
我们遗留的问题在perceptron的时候，我们的没有找到其成长函数。我们只是得出其break point 是4，我们猜想是不是其成长函数就是O（N三次方）呢？
下面我们具体的讨论


如果我告诉你一个假设函数集合的break point是2
那么当N=1的时候我]]></description><category></category></item><item><title><![CDATA[训练和测试的区别（五）]]></title><link>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50401049</link><guid>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50401049</guid><author>ML_algorithmResearch</author><pubDate>Fri, 25 Dec 2015 09:18:34 +0800</pubDate><description><![CDATA[一、
下面我们讲的是：为什么需要机器学习？
上节课中，我们讲了机器学习的大致的训练过程是这样的:
1.从样本出发，把样本传给机器。
2.机器从一群的假设函数中找到一个最好的h使得E（in）（h）最小，这样的话，由于如果假设函数集合较小的话，我们认为E（in）（h）≈E（out）（h），也就是说
此时E（out）（h）也是最小的
      那么有一个问题是，既然我们想找到一个E（in）]]></description><category></category></item><item><title><![CDATA[中国象棋将帅问题]]></title><link>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50396451</link><guid>https://blog.youkuaiyun.com/ML_algorithmResearch/article/details/50396451</guid><author>ML_algorithmResearch</author><pubDate>Thu, 24 Dec 2015 22:41:07 +0800</pubDate><description><![CDATA[保留]]></description><category></category></item></channel></rss>