<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Twenty_eight的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Twenty_eight</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Twenty_eight]]></copyright><item><title><![CDATA[解决 error C1083: 无法打开包括文件:“jni.h”: No such file or directory]]></title><link>https://blog.youkuaiyun.com/Twenty_eight/article/details/56684214</link><guid>https://blog.youkuaiyun.com/Twenty_eight/article/details/56684214</guid><author>Twenty_eight</author><pubDate>Thu, 23 Feb 2017 22:22:43 +0800</pubDate><description><![CDATA[在windows下安装xgboost的python包，网站连接；的时候，出现这个问题，解决办法，自己电脑安装java,找到里面jdk安装目录jdk目录下\include\jni.h ;jdk目录\include\win32\jni_md.h。将jni.h
 和 jni_md.h 拷贝到vc/include目录下，再从新实践就行。]]></description><category></category></item><item><title><![CDATA[PCA的数学原理]]></title><link>https://blog.youkuaiyun.com/Twenty_eight/article/details/53380246</link><guid>https://blog.youkuaiyun.com/Twenty_eight/article/details/53380246</guid><author>Twenty_eight</author><pubDate>Mon, 28 Nov 2016 16:54:58 +0800</pubDate><description><![CDATA[PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。网上关于PCA的文章有很多，但是大多数只描述了PCA的分析过程，而没有讲述其中的原理。这篇文章的目的是介绍PCA的基本数学原理，帮助读者了解PCA的工作机制是什么。

当然我并不打算把文章写成]]></description><category></category></item><item><title><![CDATA[有关模板的一些注意情况]]></title><link>https://blog.youkuaiyun.com/Twenty_eight/article/details/50589777</link><guid>https://blog.youkuaiyun.com/Twenty_eight/article/details/50589777</guid><author>Twenty_eight</author><pubDate>Tue, 26 Jan 2016 20:58:13 +0800</pubDate><description><![CDATA[友元模板函数定义在模板内部会导致重复定义


#include 
using namespace std;


template class Bar
{
    template friend void fcn(const Bar& b) {cout
    Type pri;
};


int main(void)
{
    Bar  bi;
    //Ba]]></description><category></category></item></channel></rss>