为什么要写这篇博客？　　其实我是一个入坑已经半年的程序员，因为不是计算机专业，只能自己摸索，所以我深知博客的重要性。每次我的学习笔记啊，项目的，面试题啊，有的，只要有时间，我肯定上传上来，一方面自己可以随时随地的看，另一方面也可以方便大家。　　了解一个项目，恐怕首先都是通过其Readme文件了解信息。如果你以为Readme文件都是随便写写的那你就错了。github，oschina git ...

1.概述                线性判别式分析（Linear Discriminant Analysis），简称为LDA。也称为Fisher线性判别（Fisher Linear Discriminant，FLD），是模式识别的经典算法，在1996年由Belhumeur引入模式识别和人工智能领域。        基本思想是将高维的模式样本投影到最佳鉴别矢量空间，以达到抽取分类信息和压缩特征空

 (简单介绍一下支持向量机，详细介绍尤其是算法过程可以查阅其他资)   在机器学习领域，支持向量机SVM(Support Vector Machine)是一个有监督的学习模型，通常用来进行模式识别、分类(异常值检测)以及回归分析。   其具有以下特征：   (1)SVM可以表示为凸优化问题，因此可以利用已知的有效算法发现目标函数的全局最小值。而其他分类方法都采用一种基于贪心学习的策略来搜索假设空间

1 厨房领域的问答系统智能厨房主要分为4个部分菜谱.通过问答系统，你可以知道哪一道菜，比如说红烧肉怎么做等等音乐. 比如，说“我想听一个轻松的音乐”视频.比如，说我想看《人民的名义》第九集厨电的控制. 指令式反馈，比如，打开油烟机，打开灶具，类似于一个中控系统整体流程：语音识别. 科大讯飞和思必弛较为出众，目前调用的是科大讯飞的接口文本纠错. 一、概率模型...

本文是基于寒小阳博主中的NLP系列所记录下的笔记，非常感谢有那么优质的博客，很受用！1.NLP的常见领域：分词，词性标注，命名实体识别，句法分析，语义识别，垃圾邮件识别，拼写纠错，词义消歧，语音识别，音字转换,机器翻译，自动问答……如果对自然语言处理的应用场景不太了解，可以去腾讯的中文语义平台简单玩几个例子就熟悉了。2.NLP的发展现状根据stafford教授Dan Jurafsky的介绍：有些问

python中关于语音处理的库scipy.io.wavfilepython_speech_features读取wav文件import scipy.io.wavfile as wavfs, audio = wav.read(file_name)对读取的音频信息求MFCC（Mel频率倒谱系数）from python_speech_features import mfccfr...

基于ItemCF算法#!/usr/sbin/env python# -*- coding:utf-8 -*-import math# ItemCF算法def ItemSimilarity(train):C = dict()N = dict()for u,items in train.items():for i in items.keys(...

1.梯度下降   1）什么是梯度下降？         因为梯度下降是一种思想，没有严格的定义，所以用一个比喻来解释什么是梯度下降。                简单来说，梯度下降就是从山顶找一条最短的路走到山脚最低的地方。但是因为选择方向的原因，我们找到的的最低点可能不是真正的最低点。如图所示，黑线标注的路线所指的方向并不是真正的地方。        既然是选择一个方向下山，那么这个方向怎么选