<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[云淡风清]]></title><description><![CDATA[记录一下平常看过的好的文章]]></description><link>https://blog.youkuaiyun.com/haoni123321</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; haoni123321]]></copyright><item><title><![CDATA[工作流程与模型调优]]></title><link>https://blog.youkuaiyun.com/haoni123321/article/details/51889924</link><guid>https://blog.youkuaiyun.com/haoni123321/article/details/51889924</guid><author>haoni123321</author><pubDate>Tue, 12 Jul 2016 16:08:07 +0800</pubDate><description><![CDATA[1. 前序工作流程

1.1 数据部分

数据清洗：丢掉不可信的样本； 不用缺省值极多的字段。数据采样：采用下/上采样保证样本均衡。

1.2 特征工程

　　上一篇笔记重点讲了特征工程中的特征处理和特征选择。特征处理包括数值型、类别型、时间型、文本型、统计型和组合特征；特征选择包括过滤型、包裹型和嵌入型，在这里不再赘述。下图总结了特征处理中的流程和方法。]]></description><category></category></item><item><title><![CDATA[C++全角与半角互转]]></title><link>https://blog.youkuaiyun.com/haoni123321/article/details/50853879</link><guid>https://blog.youkuaiyun.com/haoni123321/article/details/50853879</guid><author>haoni123321</author><pubDate>Fri, 11 Mar 2016 10:30:08 +0800</pubDate><description><![CDATA[1.全角：指一个字符占用两个标准字符位置。汉字字符和规定了全角的英文字符及国标GB2312-80中的图形符号和特殊字符都是全角字符。一般的系统命令是不用全角字符的，只是在作文字处理时才会使用全角字符。

2.半角：指一字符占用一个标准的字符位置。通常的英文字母、数字键、符号键都是半角的，半角的显示内码都是一个字节。在系统内部，以上三种字符是作为基本代码处理的，所以用户输入命令和参数时一般都使用]]></description><category></category></item><item><title><![CDATA[一文读懂机器学习，大数据/自然语言处理/算法全有了……]]></title><link>https://blog.youkuaiyun.com/haoni123321/article/details/50586375</link><guid>https://blog.youkuaiyun.com/haoni123321/article/details/50586375</guid><author>haoni123321</author><pubDate>Tue, 26 Jan 2016 11:54:22 +0800</pubDate><description><![CDATA[在本篇文章中，我将对机器学习做个概要的介绍。本文的目的是能让即便完全不了解机器学习的人也能了解机器学习，并且上手相关的实践。这篇文档也算是EasyPR开发的番外篇，从这里开始，必须对机器学习了解才能进一步介绍EasyPR的内核。当然，本文也面对一般读者，不会对阅读有相关的前提要求。

在进入正题前，我想读者心中可能会有一个疑惑：机器学习有什么重要性，以至于要阅读完这篇非常长的文章呢？

我]]></description><category></category></item><item><title><![CDATA[使用boost正则表达式查找所有字符串]]></title><link>https://blog.youkuaiyun.com/haoni123321/article/details/45693867</link><guid>https://blog.youkuaiyun.com/haoni123321/article/details/45693867</guid><author>haoni123321</author><pubDate>Wed, 13 May 2015 15:37:14 +0800</pubDate><description><![CDATA[场景:

1.比如在html中查找出现过的标签,好提取图片地址.

2.编译器不支持C++11标准时使用boost库是比较好的选择.

例子：

#include 
#include 
#include 
#include 
#include  

using namespace std;

int main(int argc, char *argv[])
{
	std::stri]]></description><category></category></item><item><title><![CDATA[Linux安装Mysql+Apach+PHP+php]]></title><link>https://blog.youkuaiyun.com/haoni123321/article/details/45061305</link><guid>https://blog.youkuaiyun.com/haoni123321/article/details/45061305</guid><author>haoni123321</author><pubDate>Wed, 15 Apr 2015 16:32:13 +0800</pubDate><description><![CDATA[一、安装mysql（mysql-5.0.21.tar.gz）   
# tar zxf mysql-5.0.21.tar.gz
# cd mysql-5.0.21
#./configure --prefix=/usr/local/mysql --sysconfdir=/etc --localstatedir=/var/lib/mysql/
说明：
   #prefix=/usr/loca]]></description><category></category></item><item><title><![CDATA[python中半角与全角互相转换]]></title><link>https://blog.youkuaiyun.com/haoni123321/article/details/42552345</link><guid>https://blog.youkuaiyun.com/haoni123321/article/details/42552345</guid><author>haoni123321</author><pubDate>Fri, 09 Jan 2015 11:01:32 +0800</pubDate><description><![CDATA[半角与全角的转换，代码如下：
# -*- coding: cp936 -*-
def strQ2B(ustring):
    """全角转半角"""
    rstring = ""
    for uchar in ustring:
        inside_code=ord(uchar)
        if inside_code == 12288:                 ]]></description><category></category></item><item><title><![CDATA[开发者必备的6款源码搜索引擎]]></title><link>https://blog.youkuaiyun.com/haoni123321/article/details/39522645</link><guid>https://blog.youkuaiyun.com/haoni123321/article/details/39522645</guid><author>haoni123321</author><pubDate>Wed, 24 Sep 2014 14:19:38 +0800</pubDate><description><![CDATA[摘要：虽然自己编码很重要，但是在遇到一个功能时，利用现成的代码不失为一种好方法，或许还会达到事半功倍的效果。但千万不要单纯地“用”，更多地是理解与提升，这样才会进步。

在推动技术变革上，开源运动发挥了非常显著的作用。而Linux成功地将开源转换成商务模式，给广大开源工作者带来了更大的信心和勇气。目前，开源已成为主流，在未来的几年内，它的足迹将会遍布前沿教育、航空航天（如无人驾驶飞机）等许多领]]></description><category></category></item><item><title><![CDATA[经典算法大全]]></title><link>https://blog.youkuaiyun.com/haoni123321/article/details/39519469</link><guid>https://blog.youkuaiyun.com/haoni123321/article/details/39519469</guid><author>haoni123321</author><pubDate>Wed, 24 Sep 2014 09:46:32 +0800</pubDate><description><![CDATA[1.河内之塔........................................................................................................................................ 4
2.Algorithm Gossip: 费式数列..............................]]></description><category></category></item><item><title><![CDATA[扒网页并且解析]]></title><link>https://blog.youkuaiyun.com/haoni123321/article/details/39399071</link><guid>https://blog.youkuaiyun.com/haoni123321/article/details/39399071</guid><author>haoni123321</author><pubDate>Fri, 19 Sep 2014 15:45:52 +0800</pubDate><description><![CDATA[#!/usr/bin/python
#coding=utf-8


import sys 
import re
import urllib2
from urllib import urlencode
from urllib import quote
import time
maxline = 2000

wenda = re.compile("href=\"http://wenda.so.com/]]></description><category></category></item><item><title><![CDATA[决策树算法实现（python）]]></title><link>https://blog.youkuaiyun.com/haoni123321/article/details/39289947</link><guid>https://blog.youkuaiyun.com/haoni123321/article/details/39289947</guid><author>haoni123321</author><pubDate>Mon, 15 Sep 2014 10:55:58 +0800</pubDate><description><![CDATA['''
Created on Oct 12, 2010
Decision Tree Source Code for Machine Learning in Action Ch. 3
@author: cainiao
'''
from math import log
import operator

def createDataSet():
    dataSet = [[1, 1, 'yes'],]]></description><category></category></item><item><title><![CDATA[php数据库操作]]></title><link>https://blog.youkuaiyun.com/haoni123321/article/details/39289731</link><guid>https://blog.youkuaiyun.com/haoni123321/article/details/39289731</guid><author>haoni123321</author><pubDate>Mon, 15 Sep 2014 10:49:55 +0800</pubDate><description><![CDATA[function fuck_json(array &$data)
{
    $str = '';
    $arr_root = array();
    foreach($data['result'] as $row)
    {
        $arr = array();
        foreach($row as $key=>$value)
        {
 ]]></description><category></category></item><item><title><![CDATA[排序算法汇总总结]]></title><link>https://blog.youkuaiyun.com/haoni123321/article/details/39078267</link><guid>https://blog.youkuaiyun.com/haoni123321/article/details/39078267</guid><author>haoni123321</author><pubDate>Fri, 05 Sep 2014 11:03:07 +0800</pubDate><description><![CDATA[一、插入排序


直接插入排序（Insertion Sort）的算法描述是一种简单直观的排序算法。它的工作原理是通过构建有序序列，对于未排序数据，在已排序序列中从后向前扫描，找到相应位置并插入。插入排序在实现上，通常采用in-place排序（即只需用到O(1)的额外空间的排序），因而在从后向前扫描过程中，需要反复把已排序元素逐步向后挪位，为最新元素提供插入空间。
代码实现：


#i]]></description><category></category></item><item><title><![CDATA[C++虚函数表机制解析(转)]]></title><link>https://blog.youkuaiyun.com/haoni123321/article/details/39052769</link><guid>https://blog.youkuaiyun.com/haoni123321/article/details/39052769</guid><author>haoni123321</author><pubDate>Thu, 04 Sep 2014 15:08:45 +0800</pubDate><description><![CDATA[C++中的虚函数的作用主要是实现了多态的机制。关于多态，简而言之就是用父类型别的指针指向其子类的实例，然后通过父类的指针调用实际子类的成员函数。这种技术可以让父类的指针有“多种形态”，这是一种泛型技术。所谓泛型技术，说白了就是试图使用不变的代码来实现可变的算法。比如：模板技术，RTTI技术，虚函数技术，要么是试图做到在编译时决议，要么试图做到运行时决议。

      关于虚函数的使用方法，我]]></description><category></category></item><item><title><![CDATA[[转]读《Boost程序库完全开发指南》]]></title><link>https://blog.youkuaiyun.com/haoni123321/article/details/38844309</link><guid>https://blog.youkuaiyun.com/haoni123321/article/details/38844309</guid><author>haoni123321</author><pubDate>Tue, 26 Aug 2014 10:40:54 +0800</pubDate><description><![CDATA[第1章 Boost程序库总论

使用Boost，将大大增强C++的功能和表现力

  

第2章 时间与日期

timer提供毫秒级的计时精度，内部是通过std::clock取时间的progress_timer自动打印某生命周期的执行时间原则上程序库的代码是不应该被用户修改的progress_display可以在控制台上显示程序的执行进度date_time库能很好的表示日期时间概念]]></description><category></category></item><item><title><![CDATA[决策树代码实现]]></title><link>https://blog.youkuaiyun.com/haoni123321/article/details/38682747</link><guid>https://blog.youkuaiyun.com/haoni123321/article/details/38682747</guid><author>haoni123321</author><pubDate>Tue, 19 Aug 2014 15:57:23 +0800</pubDate><description><![CDATA[代码说明]]></description><category></category></item><item><title><![CDATA[线性回归标准方程及其概率解释]]></title><link>https://blog.youkuaiyun.com/haoni123321/article/details/37913795</link><guid>https://blog.youkuaiyun.com/haoni123321/article/details/37913795</guid><author>haoni123321</author><pubDate>Thu, 17 Jul 2014 20:02:05 +0800</pubDate><description><![CDATA[线性回归作为一种监督学习方法，在机器学习领域中属于最基本的优化问题，即根据现有的数据集，找到一个能够最好拟合这组数据的线性函数即可，根据这个线性函数对新来的数据进行预测。

本文将会覆盖最简单的线性回归的解释和标准方程求解最优线性回归参数，至于梯度下降法求解，会有单独的另外一篇博客介绍。

什么是回归分析


显而易见，线性回归就是一种回归分析，那么什么是回归分析呢？

简单的说]]></description><category></category></item><item><title><![CDATA[K-Means聚类的Python实践]]></title><link>https://blog.youkuaiyun.com/haoni123321/article/details/37911893</link><guid>https://blog.youkuaiyun.com/haoni123321/article/details/37911893</guid><author>haoni123321</author><pubDate>Thu, 17 Jul 2014 17:56:07 +0800</pubDate><description><![CDATA[K-Means应该是最简单的聚类算法之一了吧，理论上很简单，就是随即初始化几个中心点，不断的把他们周围的对象聚集起来，然后根据这群对象的重置中心点，不断的迭代，最终找到最合适的几个中心点，就算完成了。

然后，真正实践的时候才会思考的更加深入一点，比如本文的实践内容就是一个失败的案例（算法是成功的，场景是失败的）。

什么是聚类


简单的说，就是对于一组不知道分类标签的数据，可以通]]></description><category></category></item><item><title><![CDATA[蓄水池抽样算法证明]]></title><link>https://blog.youkuaiyun.com/haoni123321/article/details/37911847</link><guid>https://blog.youkuaiyun.com/haoni123321/article/details/37911847</guid><author>haoni123321</author><pubDate>Thu, 17 Jul 2014 17:55:04 +0800</pubDate><description><![CDATA[这个题很老了，刚刚遇到一个类似的题目，不是让写怎么实现的，而是要证明结果确实是等概率，我了擦一下子忘了怎么证明了，以前竟然是把答案给背下来了，鄙视一下自己

原题：现在有一组数，不知道这组数的总量有多少，请描述一种算法能够在这组数据中随机抽取k个数，使得每个数被取出来的概率相等。

即假如一共有N个数，那么最终结果是每个取出来的数都是以1/N的概率取出来的。

答案


据说这是]]></description><category></category></item><item><title><![CDATA[MapReduce如何使用多路输出]]></title><link>https://blog.youkuaiyun.com/haoni123321/article/details/34144027</link><guid>https://blog.youkuaiyun.com/haoni123321/article/details/34144027</guid><author>haoni123321</author><pubDate>Tue, 24 Jun 2014 20:38:13 +0800</pubDate><description><![CDATA[Streaming支持多路输出(SuffixMultipleTextOutputFormat)
如下示例:
hadoop streaming \
-input /home/mr/data/test_tab/ \
-output /home/mr/output/tab_test/out19 \
-outputformatorg.apache.hadoop.mapred.lib.Suffix]]></description><category></category></item><item><title><![CDATA[文本向量表示及TFIDF词汇权值]]></title><link>https://blog.youkuaiyun.com/haoni123321/article/details/30081633</link><guid>https://blog.youkuaiyun.com/haoni123321/article/details/30081633</guid><author>haoni123321</author><pubDate>Wed, 11 Jun 2014 17:48:59 +0800</pubDate><description><![CDATA[文本相似计算是进行文本聚类的基础，和传统结构化数值数据的聚类方法类似，文本聚类是通过计算文本之间"距离"来表示文本之间的相似度并产生聚类。文本相似度的常用计算方法有余弦定理和Jaccard系数。但是文本数据与普通的数值数据或类属数据不同，文本数据是一种半结构化数据，在进行文本挖掘之前必须要对文本数据源进行处理，如分词、向量化表示等，其目的就是使用量化的数值来表达这些半结构化的文本数据。使其适用于分]]></description><category></category></item></channel></rss>