别再闹了

摘要： 机器学习 SVM 手写识别问题 这里我们解决的还是之前用KNN曾经解决过的手写识别问题（https://www.cnblogs.com/jiading/p/11622019.html），但相比于KNN，SVM好的地方在于一旦我们的模型训练完成，我们就可以得到一个确定的决策超平面，当然这个超平面的w是 阅读全文

摘要： 机器学习 SVM 本文源代码均来自于《机器学习实战》 完整SVM代码： 附上简化的SVM模型代码，可以辅助理解 阅读全文

摘要： SVM 核函数 在研究了一天的SVM核函数后，我顿悟了一个道理： 研究和使用核函数的人，从一开始的目的就是把data分开而已。高维和映射，都是原来解释操作合理性的，但根本不是进行这一操作的原因 我为什么会这么想？我们举一个例子，就说径向基函数核（RBF）吧，按理来说，它的映射应该是和高斯分布或者径向 阅读全文

摘要： 动态表和C++ vector 最近课上刚刚学了可以根据表中元素的插入和删除动态调整表大小的动态表（dynamic table)，就想看一下它有什么实际的应用，第一个想起来的就是C++的vector,直觉中它是最符合动态表特性的了（预先不需要声明大小，当然你要是想声明也没问题，动态插入和删除）。但是下 阅读全文

摘要： 机器学习 SVM理论 理论知识 SVM是在神经网络模型及CNN出现之前很火的一种分类模型。它有很好的泛化能力。 线性可分支持向量机:当data线性可分时使用 如果两类数据是线性可分的，那么如果垂直n维超平面做一个投影面，则这两类数据一定可以投影到低维空间中且还是可分的。 线性可分SVM中不会出现在分 阅读全文

摘要：   ![](https://im 阅读全文

摘要： 软件工程自学 emmm我们专业不学习软件工程，自学一点，权当休闲。 1.概述 应对不断变化的需求 开发占比比测试和维护小得多。 1.2 软件开发的三个阶段 私人化的软件环境中，软件的水平与个人的关系很大。 专家系统：提供专业知识与服务 网格计算：云计算 软件开发的初期，一定要先花时间把需求搞清楚 可 阅读全文

摘要： vim下使用UltiSnips 最近在学习Linux编程，相应的也在学vim。vim中的UltiSnips插件可以实现比一般的代码补全更为强大的效果。这里就记录一下吧。 UltiSnips安装、基础及进阶：https://vimzijun.net/2016/10/30/ultisnip/ 1. C+ 阅读全文

摘要： [转载]并行与并发的区别 本文转载自https://laike9m.com/blog/huan zai yi huo bing fa he bing xing,61/，仅做个人学习使用，侵权请联系删除 “并发” 指的是程序的结构，“并行” 指的是程序运行时的状态 并行（parallelism） 这个 阅读全文

摘要： [转载]动态规划解决字符串编辑距离问题 本文大部分内容转载自：https://www.dreamxu.com/books/dsa/dp/edit distance.html 问题描述 给定 2 个字符串 a, b. 编辑距离是将 a 转换为 b 的最少操作次数，操作只允许如下 3 种： 1. 插入一 阅读全文