static使用方法小结 statickeyword是C, C++中都存在的keyword, 它主要有三种使用方式, 当中前两种仅仅指在C语言中使用, 第三种在C++中使用(C,C++中详细细微操作不尽同样, 本文以C++为准).(1)局部静态变量(2)外部静态变量/函数(3)静态数据成员/成员函数...
分类：
其他好文 时间：
2014-09-25 23:40:27
阅读次数：
147
皮尔森相关系数（Pearson correlation coefficient）也称皮尔森积矩相关系数(Pearson product-moment correlation coefficient) ，是一种线性相关系数。皮尔森相关系数是用来反映两个变量线性相关程度的统计量，用于度量两个变量X和Y之间的相关（线性相关），其值介于-1与1。相关系数用r表示，其中n为样本量，分别为两个变量的观测值和均...
分类：
其他好文 时间：
2014-09-25 21:48:29
阅读次数：
334
转：http://blog.csdn.net/xlm289348/article/details/8876353KNN主要作用为对于未知类型的样本，来判断样本属于哪一类。判断思想是，基于欧几里得定理，判断未知事物的特征和哪一类已知事物的的特征最接近。图片说明：图片说明：简单来说，K-NN可以看成：有...
分类：
其他好文 时间：
2014-09-25 20:42:27
阅读次数：
240
1 背景介绍真实的训练数据总是存在各种各样的问题：1、 比如拿到一个汽车的样本，里面既有以“千米/每小时”度量的最大速度特征，也有“英里/小时”的最大速度特征，显然这两个特征有一个多余。2、 拿到一个数学系的本科生期末考试成绩单，里面有三列，一列是对数学的兴趣程度，一列是复习时间，还有一列是考试成绩...
分类：
其他好文 时间：
2014-09-24 19:54:47
阅读次数：
264
分类回归树算法：CART(Classification And Regression Tree)算法采用一种二分递归分割的技术，将当前的样本集分为两个子样本集，使得生成的的每个非叶子节点都有两个分支。因此，CART算法生成的决策树是结构简洁的二叉树。
分类树两个基本思想：第一个是将训练样本进行递归地划分自变量空间进行建树的想法，第二个想法是用验证数据进行剪枝。
CART与C4.5的...
分类：
其他好文 时间：
2014-09-24 12:33:26
阅读次数：
230
贝叶斯统计是基于贝叶斯定理的一种经典的统计学习方法。假定样本为X，参数为θ，则贝叶斯统计为：P(θ|X)=P(X|θ)*P(θ)/P(X)。其中，P(θ)为先验分布，P(X|θ)表示似然概率，P(θ|X)表示后验分布。在贝叶斯统计中，最重要的一个问题是关于先验分布的选择，它会在很大程度上影响最终结果...
分类：
其他好文 时间：
2014-09-23 21:44:35
阅读次数：
177
本文转自http://www.9hao.info/pages/2014/08/android-soke-ru-kou-q前言 开年来开始接触一些加固样本，基本都对了so进行了处理，拖入ida一看，要么没有JNI_OnLoad,要么JNI_OnLoad汇编代码羞涩难懂，让人无法下手。JNI_OnLo....
分类：
移动开发 时间：
2014-09-22 02:58:11
阅读次数：
388
稀疏编码在稀疏自编码算法中，我们试着学习得到一组权重参数 W（以及相应的截距 b），通过这些参数可以使我们得到稀疏特征向量 σ(Wx + b) ，这些特征向量对于重构输入样本非常有用。稀疏编码可以看作是稀疏自编码方法的一个变形，该方法试图直接学习数据的特征集。利用与此特征集相应的基向量，将学习得到的...
分类：
其他好文 时间：
2014-09-19 21:00:16
阅读次数：
400
聚类算法在数据挖掘里面被称之为无监督学习（unsupervised learning），这是与监督学习（supervised learning）相对的。在它们两者之间还一种叫做半监督学习（semi-supervised learning）聚类算法的一般过程分为：1. 读入需预测样本2. 初始化聚类算...
分类：
其他好文 时间：
2014-09-18 20:18:04
阅读次数：
381
应邀对开源IT监控系统进行对比，选取了Nagios、Cacti、Zenoss、Zabbix、HypericHQ做为对比样本，帮助读者选择开源的IT监控系统作为底层，开发所需的监控运维工具。1背景和目标1.1前言随着SaaS、P2P等各类在线应用的兴起，使得各类在线应用服务公司采购了大量的服务器等IT设施、..
分类：
其他好文 时间：
2014-09-15 19:46:40
阅读次数：
942
