摘要：这篇博客主要介绍机器学习和数据挖掘中一些常见的距离公式，包括： 闵可夫斯基距离 欧几里得距离 曼哈顿距离 切比雪夫距离 马氏距离 余弦相似度 皮尔逊相关系数 汉明距离 杰卡德相似系数 编辑距离 DTW 距离 KL 散度 阅读全文

摘要：将一种语言自动翻译成另一种语言一直以来都是难以攻克的问题。但最近几年，谷歌通过开发机器翻译算法改变了传统的翻译过程，通过谷歌翻译从本质上改变了跨文化翻译交流。 阅读全文

摘要：极客公园创新大会在北京开幕，百度深度学习研究院（IDL）副院长余凯发表演讲，阐述大数据时代，人工智能与深度学习的发展。 阅读全文

摘要：为什么梯度下降是取负梯度 阅读全文

摘要：根据地址来让编译器自己帮你去算，首先把a强制转换为地址，然后找以c为首地址，偏移量为b的地址，就是a+b的值。 例如a=5,b=10 c=(char*) a,此时c的地址为0x00000005 c[b] 就是c的地址偏移sizeof(char)*b 最终得到了c[b]的地址就是0x0000000f，即通过int强制转换得到15 。 阅读全文

摘要：在做分类时常常需要估算不同样本之间的相似性度量(Similarity Measurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。 　　本文的目的就是对常用的相似性度量作一个总结。 本文目录： 1. 欧氏距离 2. 曼哈顿距离 3. 切比雪夫距离 4. 闵可夫斯基距离 5. 标准化欧氏距离 6. 马氏距离 7. 夹角余弦 8. 汉明距离 9. 杰卡德距离 & 杰卡德相似系数 10. 相关系数 & 相关距离 11. 信息熵 阅读全文