说明：随着Windows 10升级推送开启，微软已经在官网发布了ISO镜像下载工具。大家可使用以下工具制作安装U盘/DVD。开始之前，请确保：稳定的网络连接。足够的存储空间，硬盘、USB或者其它外部存储设备用于下载。USB或者DVD（至少4GB空间）用于制作安装工具。如果是首次安装，需要激活码（xx...
增强学习（Reinforcement Learning and Control）[pdf版本]增强学习.pdf 在之前的讨论中，我们总是给定一个样本x，然后给或者不给label y。之后对样本进行拟合、分类、聚类或者降维等操作。然而对于很多序列决策或者控制问题，很难有这么规则的样本。比如，四足机器人...
分类：
其他好文 时间：
2015-07-29 15:36:56
阅读次数：
173
简单几步制作 Windows 10 正式版U盘可启动安装盘图文教程 (全新安装Win10)相信不少朋友现在已经下载好 Windows 10 RTM 正式版的镜像文件了，虽然说微软提供了在原系统基础上升级的方式，但对于很多追求干净、稳定的朋友还是想要进行全新的安装的。虽然将 Win10 系统的 ISO...
.iso文件的格式是iso9660,iso9660是cd上的一种文件系统， 也就是说是是数据在cd上的组织形式；它的一些限制是：1、最多8级子目录（可以用RockRidgeExtension增大这个限制）2、文件名最大32字符3、650M的容量在linux下，当kernel支持iso9660时，可以...
分类：
系统相关 时间：
2015-07-29 00:56:49
阅读次数：
140
《机器学习实战》之K-均值聚类算法的python实现最近的项目是关于“基于数据挖掘的电路故障分析”，项目基本上都是师兄们在做，我只是在研究关于项目中用到的如下几种算法：二分均值聚类、最近邻分类、基于规则的分类器以及支持向量机。基于项目的保密性（其实也没有什么保密的，但是怕以后老板看到我写的这篇博文，所以，你懂的），这里就不介绍“基于数据挖掘的电路故障分析”的思路了。废话不多说了，开始正题哈。...
分类：
编程语言 时间：
2015-07-28 23:20:37
阅读次数：
646
《机器学习实战》之二分K-均值聚类算法的python实现上面博文介绍了K-均值聚类算法及其用python实现，上篇博文中的两张截图，我们可以看到，由于K-均值聚类算法中由于初始质心的选取，会造成聚类的局部最优，并不是全局最优，因此，会造成聚类的效果并不理想，为克服K-均值算法收敛于局部最小值的问题，就有了二分K-均值算法。二分K-均值聚类算法二分K均值算法是基本K均值算法的直接扩充，其基本思想是：为...
分类：
编程语言 时间：
2015-07-28 23:16:26
阅读次数：
328
MyEclipse使用总结——在MyEclipse中设置jsp页面为默认utf-8编码 在MyEclispe中创建Jsp页面，Jsp页面的默认编码是“ISO-8859-1”，如下图所示： 在这种编码下编写中文是没有办法保存Jsp页面的，会出现如下的错误提...
分类：
Web程序 时间：
2015-07-28 19:06:15
阅读次数：
231
闲话少说先上代码
# 读方式打开文件
myfile=h5py.File('arr.mat','r')
arr = myfile['arr'][:]
myfile.close()
slt = 'ward'
while
clust_model = sklearn.cluster.AgglomerativeClustering(linkage=slt, affinity="euclidean", n...
分类：
编程语言 时间：
2015-07-28 18:33:11
阅读次数：
418
0 K-means算法简介K-means是最为经典的基于划分的聚类方法，是十大经典数据挖掘算法之一。K-means算法的基本思想是：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。算法过程如下：1）从N个文档随机选取K个文档作为质...
分类：
编程语言 时间：
2015-07-28 12:38:26
阅读次数：
271
安装步骤
基本上是按照“ArchWiki: Beginners' Guide(简体中文)”进行安装的。
1. 硬件是 Lenovo S4700，Intel Pentium(R) D CPU 3.20GHz x 2，2GB 内存，250GB SATA 硬盘，nVidia GeForce G10 双头显卡。
2. 将 archlinux-2012.09.07-dual.iso 刻录到...
分类：
系统相关 时间：
2015-07-28 08:01:08
阅读次数：
344
