摘要： http://www.ludou.org/use-dreamweaver-to-fomat-html-code.html今天偶然发现了Dreamweaver的一个非常有用的功能，就是代码的格式化功能。一般情况下，我们写的html或者css代码都计较混乱，难以阅读，即使刚开始很在意代码的可读性，但是等到所使用的标签越来越多，嵌套越来越深，这时我们已经很难去掌控html代码的格式问题了。废话不多说，先看看没有格式化的代码和格式化后的代码的区别：这样的代码是不是很让人抓狂呢？格式化后的代码，使用适当的缩进和换行，可读性就好多了！那如何使用Dreamweaver格式化代码呢？第一步：依次点击菜单栏的& 阅读全文

摘要： http://kb.cnblogs.com/kb/57281/从大年初二开始学习Python，到现在正好一个星期了，谈谈我的学习体会。 一、学习缘起 最早听说Python是在今年1月底到北京一个厂商（做汽车驾驶模拟器的）那里看设备，听他们的CTO介绍模拟软件的脚本控制是用的Python，（当时我还把Python叫做“飞森”，而不是“派森” 囧）。第一次听说了这个语言，但也没太在意，因为导师一直跟我说用好一门语言就够了。从上大学到现在，先后用过C、Basic、C++以及ASP（一看就不是计算机专业的，我大学认识的几个计算机专业的同学，大多都是Pascal - Delphi - Java这条路.. 阅读全文

摘要： http://blog.163.com/crazyzcs@126/blog/static/129742050201061192243911/http://www.ilovematlab.cn/viewthread.php?tid=74019&sid=vYpSs5SVM相关资源汇总[matlab-libsvm-class-regress](by faruto)SVM相关资源汇总[matlab-libsvm-class-regress](by faruto) ----关于SVM的那点破事by faruto 可以了,终于可以完结了!这帖子我编辑过n次,不断的往里... 阅读全文

摘要： http://hi.baidu.com/dzhifeng/item/3ea82ca8ca7cb4f415329ba9数学系之必备参考书数学分析：《吉米多维奇习题集题解》 这个没什么好说的，想学好数分不做题是不可能的！《数学分析中的典型问题与方法》裴礼文编 这里面的解题方法很有思想和技巧。《数学分析原理》Rudin著 经典！有深度，系统性强，对初学者也许会有一些困难。主要针对想以数学为事业的同学而非考试想考高分的同学。高等代数：《高等代数》北大编高教版经典权威教材。一些学校往往用自己的教材而不用这本，所以这本书是必备的参考教材。《高等代数习题集》华中师大钱吉林编 众多习题里这本最好——我们过来人 阅读全文

摘要： http://wenku.baidu.com/view/449180c189eb172ded63b7c7.htmlWeka是常用的开源数据挖掘工具。本教程从weka的基本操作方式到二次开放要点,详细阐述了该工具的使用,是同类教程中最详细完整的版本。 阅读全文

该文被密码保护。 阅读全文

该文被密码保护。 阅读全文

摘要： http://www.cnblogs.com/liqizhou/archive/2012/05/11/2496029.htmlSMO优化算法（Sequential minimal optimization）SMO算法由Microsoft Research的John C. Platt在1998年提出，并成为最快的二次规划优化算法，特别针对线性SVM和数据稀疏时性能更优。关于SMO最好的资料就是他本人写的《Sequential Minimal Optimization A Fast Algorithm for Training Support Vector Machines》了。我拜读了一下，下面 阅读全文

摘要： http://www.cnblogs.com/liqizhou/archive/2012/05/11/2495788.html3.1 线性不可以分我们之前讨论的情况都是建立在样例线性可分的假设上，当样例线性不可分时，我们可以尝试使用核函数来将特征映射到高维，这样很可能就可分了。然而，映射后我们也不能100%保证可分。那怎么办呢，我们需要将模型进行调整，以保证在不可分的情况下，也能够尽可能地找出分隔超平面。看下面两张图：可以看到一个离群点（可能是噪声）可以造成超平面的移动，间隔缩小，可见以前的模型对噪声非常敏感。再有甚者，如果离群点在另外一个类中，那么这时候就是线性不可分了。这时候我们应该允许一 阅读全文

摘要： http://www.cnblogs.com/liqizhou/archive/2012/05/11/2495689.html2 拉格朗日对偶（Lagrange duality）2.1 先抛开上面的二次规划问题，先来看看存在等式约束的极值问题求法，比如下面的最优化问题：（公式2-1） 目标函数是f(w)，下面是等式约束。通常解法是引入拉格朗日算子，这里使用来表示算子，得到拉格朗日公式为 （公式2-2） L是等式约束的个数。 然后分别对w和求偏导，使得偏导数等于0，然后解出w和。至于为什么引入拉格朗日算子可以求出极值，原因是f(w)的dw变化方向受其他不等式的约束，dw的变化方向与f(w)的梯度 阅读全文