摘要：
new和delete是C++中用来动态管理内存分配的运算符，其用法较为灵活。如果你对它们的几种不同用法感到困惑，混淆，那么接着看下去吧。 阅读全文
摘要：
阅读C++教材时，想必你听过复制初始化，直接初始化，值初始化这三个概念吧。笔者本人常将其混淆，遂在此记录下它们的具体含义以便日后查阅。 阅读全文
摘要：
本文讨论如何使用 CUDA 对代码进行并行优化，并给出不同并行思路对均值滤波的实现。 阅读全文
摘要：
本文的目的很明确：介绍如何将二维数组传递进显存，以及如何将二维数组从显存传递回主机端。 阅读全文
摘要：
在并发，多线程环境下，同步是一个很重要的环节。同步即是指进程/线程之间的执行顺序约定。
本文将介绍如何通过共享内存机制实现块内多线程之间的同步。 阅读全文
摘要：
编写 CUDA 程序真心不是个简单的事儿，调试也不方便，很费时。那么有没有一些现成的 CUDA 库来调用呢？
答案是有的，如 CUBLAS 就是 CUDA 专门用来解决线性代数运算的库。
本文将大致介绍如何使用 CUBLAS 库，同时演示一个使用 CUBLAS 库进行矩阵乘法的例子。 阅读全文
摘要：
本文将介绍 CUDA 编程的基本模式，所有 CUDA 程序都基于此模式编写，即使是调用库，库的底层也是这个模式实现的。 阅读全文
摘要：
并行就是让计算中相同或不同阶段的各个处理同时进行。
目前有很多种实现并行的手段，如多核处理器，分布式系统等，而本专题的文章将主要介绍使用 GPU 实现并行的方法。 阅读全文
摘要：
本文讲解如何在VS 2010开发平台中搭建CUDA开发环境。 阅读全文
摘要：
本文将介绍一种专门检索频繁项集的新算法 - FP-growth 算法。
它只会扫描数据集两次，能顺序挖掘出频繁项集。因此这种算法在网页信息处理中占据着非常重要的地位。 阅读全文
摘要：
想必大家都听过数据挖掘领域那个经典的故事 - "啤酒与尿布" 的故事。
那么，具体是怎么从海量销售信息中挖掘出啤酒和尿布之间的关系呢？ 阅读全文
摘要：
现在开始，将进入到非监督学习领域。从经典的聚类问题展开讨论。所谓聚类，就是事先并不知道具体分类方案的分类 (允许知道分类个数)。
本文将介绍一个最为经典的聚类算法 - K-Means 聚类算法以及它的两种实现。 阅读全文
摘要：
前文讨论的回归算法都是全局且针对线性问题的回归，即使是其中的局部加权线性回归法，也有其弊端(具体请参考前文)
采用全局模型会导致模型非常的臃肿，因为需要计算所有的样本点，而且现实生活中很多样本都有大量的特征信息。
另一方面，实际生活中更多的问题都是非线性问题。
针对这些问题，有了树回归系列算法。 阅读全文
摘要：
本文将系统的介绍机器学习中监督学习的回归部分，系统的讲解如何利用回归理论知识来预测出一个分类的连续值。
显然，与监督学习中的分类部分相比，它有很鲜明的特点：输出为连续值，而不仅仅是标称类型的分类结果。 阅读全文
摘要：
本文就将介绍一些新的衡量分类质量的参数，工具。基于这些，可以对分类代码进行优化，以得到更符合实际用途的分类器。 阅读全文
摘要：
有人认为 AdaBoost 是最好的监督学习的方式。
某种程度上因为它是元算法，也就是说它会是几种分类器的组合。这就好比对于一个问题能够咨询多个 "专家" 的意见了。
组合的方式有多种，可能是不同分类算法的分类器，可能是同一算法在不同设置下的集成，还可以是数据集在不同部分分配给不同分类器之后的集成等等。
本文将给出的 AdaBoost 分类器实现基于第二种 (另外几种实现在此基础上稍作改动即可)。 阅读全文
摘要：
支持向量机，也即SVM，号称分类算法，甚至机器学习界老大哥。其理论优美，发展相对完善，是非常受到推崇的算法。
本文将讲解的SVM基于一种最流行的实现 - 序列最小优化，也即SMO。
另外还将讲解将SVM扩展到非线性可分的数据集上的大致方法。 阅读全文
摘要：
本文将介绍机器学习分类算法中的Logistic回归分类算法并给出伪代码，Python代码实现。
(说明：从本文开始，将接触到最优化算法相关的学习。旨在将这些最优化的算法用于训练出一个非线性的函数，以用于分类。) 阅读全文
摘要：
朴素贝叶斯算法最为广泛而经典的应用毫无疑问是文档分类，更具体的情形是邮件过滤系统。本文详细地讲解一个基于朴素贝叶斯分类算法的邮件过滤系统的具体实现。 阅读全文
摘要：
本文介绍机器学习分类算法中的朴素贝叶斯分类算法并给出伪代码，Python代码实现。 阅读全文