form:http://tieba.baidu.com/p/3013551686?pid=49703036815&see_lz=1#先从回归(Regression)问题说起。我在本吧已经看到不少人提到如果想实现强AI，就必须让机器学会观察并总结规律的言论。具体地说，要让机器观察什么是圆的，什么是方的，区分各种颜色和形状，然后根据这些特征对某种事物进行分类或预测。其实这就是回归问题。

在论文写作的过程中,手动进行文字排版是一件繁琐的事情,我们可以使用LaTeX进行文字的排版以及数学公式的插入,可以很大地节省时间,专注于论文内容的写作.上篇博客介绍了LateX的安装.LaTeX公式基础这里的基础嫌烦的话可以先不看，直接看杂例，有不理解的地方在回来看这里的内容。此处知识摘取了一些简单的语法，如果需要完整的LaTeX书写数学公式的文档，见参考文献。排版方式行级元素(i...

斯皮尔曼相关性系数，通常也叫斯皮尔曼秩相关系数。“秩”，可以理解成就是一种顺序或者排序，那么它就是根据原始数据的排序位置进行求解，这种表征形式就没有了求皮尔森相关性系数时那些限制。下面来看一下它的计算公式： 计算过程就是：首先对两个变量（X, Y）的数据进行排序，然后记下排序以后的位置（X’, Y’），（X’, Y’）的值就称为秩次，秩次的差值就是上面公式中的di，n就是变量中数据的个数...

一、概念交互图描述对象之间的动态合作关系以及合作过程中的行为次序。交互图常常用来描述一个用例的行为，显示该用例中所涉及的对象以及这些对象之间的消息传递情况，即一个用例的实现过程。交互图有顺序图和协作图两种形式。时序图中描述对象按照时间顺序的消息交换。协作图着重描述系统成分如何协同工作。时序图和协作图从不同角度表达了系统中的交互和系统行为，它们之间可以相互转化。时

瀑布模型1.里程碑或基线驱动。2.过程逆转性很差或者说不可逆转。逆转可能会延误工期，增加成本，造成损失  1.开发阶段清晰，便于评审、审计、跟踪、管理和控制。1.不可逆或很难可逆。2.问题会积累，错误会传递发散扩大，导致成本和质量失控。1.在开发时间内需求不变化或很少变化。2.分析设计人员对此领域非常熟悉。3.低风险项目。4.用户使用环境稳定（如系统软件，工具软件）快速原型模型1.容易适应需求的变

前言在主成分分析（PCA）原理总结（机器学习(27)【降维】之主成分分析(PCA)详解）中对降维算法PCA做了总结。这里就对另外一种经典的降维方法线性判别分析（Linear Discriminant Analysis, 简称LDA）做一个总结。LDA在模式识别领域（比如人脸识别，舰艇识别等图形图像识别领域）中有非常广泛的应用，因此我们有必要了解下它的算法原理。在学习LDA之前，有必要将其自然语..

统计相关系数简介统计学的相关系数经常使用的有三种:皮尔森（pearson）相关系数和斯皮尔曼（spearman）相关系数和肯德尔（kendall）相关系数.皮尔森相关系数是衡量线性关联性的程度，p的一个几何解释是其代表两个变量的取值根据均值集中后构成的向量之间夹角的余弦.相关系数：考察两个事物（在数据里我们称之为变量）之间的相关程度。如果有两个变量：X、Y，最终计算出的相关系数的含义可...

在一份调查问卷中，三个独立专家小组投票选出的十大最有影响力的数据挖掘算法，今天我打算用简单的语言来解释一下。一旦你知道了这些算法是什么、怎么工作、能做什么、在哪里能找到，我希望你能把这篇博文当做一个跳板，学习更多的数据挖掘知识。还等什么？这就开始吧！1.C4.5算法C4.5是做什么的？C4.5 以决策树的形式构建了一个分类器。为了做到这一点，需要给定 C4.

1.在虚拟机中编辑虚拟机设置2.添加硬盘3.运行fdisk -l命令，查看当前的挂载信息4.fdisk /dev/sdb，创建分区5.fdisk -l可以查看到当前系统有一个空的分区6.cat /proc/partitions，查看到分区情况7.mkfs -t ext3 /dev/sdb1格式化分区8.在/目录下创建一个guazai的directory，并且将刚才创建好的格式化的sdb1挂载到/g

统计相关系数简介统计学的相关系数经常使用的有三种:皮尔森（pearson）相关系数和斯皮尔曼（spearman）相关系数和肯德尔（kendall）相关系数.皮尔森相关系数是衡量线性关联性的程度，p的一个几何解释是其代表两个变量的取值根据均值集中后构成的向量之间夹角的余弦.相关系数：考察两个事物（在数据里我们称之为变量）之间的相关程度。如果有两个变量：X、Y，最终计算出的相关系数的含义可...