随手记录查阅的资料，每天进步一点点。 今天有一个做开发的朋友突然问你知道很多网站上面加入的X-UA-Compatible属性的意义么？其实这个在以前还专门花了一点时间来验证我自己的想法，结果也确实如自己所预想的那样，八九不离十，当然有一点点的偏差。我做的项目中也并不是每个项目中都使用该属性。那么我们 ...
分类：
Web程序 时间：
2018-09-15 13:07:34
阅读次数：
160
职场人士高效学习手册（《哈佛商业评论》增刊） 《哈佛商业评论》6篇职场学习相关的文章。几个重要的信息：1：学习能力可以后天培养；2：学习能力强的人的4大鲜明特质：志向、自省能力、好奇心和容错能力；3：成功了是自己能力强，失败了是运气太差，这一有碍于学习的现象被称为归因偏差；4：拥有成长型思维模式的管 ...
分类：
其他好文 时间：
2018-09-13 14:23:35
阅读次数：
136
下面这一段节选自知乎用户，具体链接为：https://www.zhihu.com/question/27068705/answer/82132134。 在机器学习过程中，我们用训练数据集去训练（学习）一个model（模型），通常的做法是定义一个Loss function（误差函数），通过将这个Los ...
分类：
其他好文 时间：
2018-09-12 17:00:58
阅读次数：
218
当输入数据中存在非线性关系的时候，基于线性回归的模型就会失效，而基于树的算法则不受数据中非线性关系的影响，基于树的方法最大的一个困扰时为了避免过拟合而对树进行剪枝的难度，对于潜在数据中的噪声，大型的树倾向于受影响，导致低偏差（过度拟合）或高方差（极度不拟合）。不过如果我们生成大量的树，最终的预测值采 ...
分类：
编程语言 时间：
2018-09-07 20:11:11
阅读次数：
265
1.前言：为什么我们要关心模型的bias和variance？ 大家平常在使用机器学习算法训练模型时，都会划分出测试集，用来测试模型的准确率，以此评估训练出模型的好坏。但是，仅在一份测试集上测试，存在偶然性，测试结果不一定准确。那怎样才能更加客观准确的评估模型呢，很简单，多用几份测试数据进行测试，取多 ...
分类：
其他好文 时间：
2018-09-07 17:59:18
阅读次数：
638
常见的三种错误： 模型偏差（bias），比如多项式的数据被建模为线性模式；导致的underfit（欠拟合） 变量偏差（Variance），数据的模型有很多维度，这些维度都满足，而且数据量还比较小，这就容易造成overfit（过拟合） 硬性错误（Irreducible Error），这种错误则是由数据... ...
分类：
其他好文 时间：
2018-09-05 13:52:26
阅读次数：
145
使用OpenCV读取图片代码如下 运行程序时，出现了两个问题： 纹理贴图是黑白的——解决方案：读取的图片的高和宽的大小改为2的倍数即可 贴图颜色出现偏差——解决方案：（原因见上） glTexImage2D(m_textureTarget, 0, GL_RGB, width, height, 0, G ...
分类：
其他好文 时间：
2018-09-04 00:09:56
阅读次数：
940
六、验证数据集与交叉验证 七、偏差方差平衡 偏差方差权衡 Bias Variance Trade off 偏差 Bias 导致偏差的主要原因： 对问题本身的假设不正确！ 如：非线性数据使用线性回归 欠拟合 underfitting 方差 Variance 数据的一点点扰动都会较大的影响模型 通常原因 ...
分类：
其他好文 时间：
2018-08-31 17:20:16
阅读次数：
355
要给列表项标记修改样式的话，list-style-image以及list-style-type是很好选择，前者可以使用自己定义的图像，后者可以选择圆形，矩形之类的矢量图形。但是由于不同浏览器的实现不同，这些样式可能会出现一些小的偏差，比如说，可能火狐浏览器和谷歌浏览器之间，这个标记的位置就会差那么一 ...
分类：
其他好文 时间：
2018-08-31 17:07:20
阅读次数：
177
原文:C#常见金额优选类型及其三种常用的取整方式这两天一直在做一个商城后台的对账方面的工作，忽然发现C#真的有很多值的学习的东西： 一、C#常用的三种取整方式（主要适用于double、decimal、float这一类型的数据）： Math.Round():为四舍六入五取整 Math.ceilling... ...
