支持向量机（SVM）原理小结1. 线性可分支持向量机（硬间隔SVM）2. 线性支持向量机（软间隔SVM）3. 非线性支持向量机4. 支持向量回归（SVR）5. 代码示例6. 模型评价完整代码地址参考本博客中使用到的完整代码请移步至: 我的github：https://github.com/qingyujean/Magic-NLPer，求赞求星求鼓励~~~1. 线性可分支持向量机（硬间隔SVM）线性

支持向量机（SVM）原理小结（2）非线性支持向量机1. 非线性支持向量机1.1 图示举例1.2 核技巧1.3 核技巧在支持向量机中的应用1.4 常用核函数1.5 学习算法1.6 联想：多项式回归（线性回归推广）2. 代码示例：使用非线性kernel SVM解决非线性问题完整代码地址参考本博客中使用到的完整代码请移步至: 我的github：https://github.com/qingyujean/

1. 模型函数2. 损失函数3. 学习算法4. 加正则项的逻辑斯蒂回归5. 二分类 vs 多分类

梯度提升树（GBDT）原理小结1. boosting2. 提升树（boosting tree）2.1 提升树模型2.2 提升树算法：前向分步算法2.3 分类问题的提升树算法2.4 回归问题的提升树算法3. 梯度提升树（gradient boosting）3.1 分类问题的梯度提升树算法3.2 回归问题的梯度提升树算法4. 代码示例5. 模型评价完整代码地址参考接着之前的 决策树 章节和 随机森林

支持向量机（SVM）原理小结（3）支持向量回归SVR1. 支持向量回归（SVR）1.1 学习算法—对偶形式（1）求min⁡w,b,ξ,ξ^L(w,b,ξ,ξ^,α,α^,μ,μ^)\min\limits_{w,b,\xi,\hat\xi} L(w, b, \xi, \hat\xi, \alpha, \hat\alpha, \mu, \hat\mu)w,b,ξ,ξ^​min​L(w,b,ξ,ξ^​,

1.实验环境先参照笔者另一篇博文http://blog.csdn.net/u010366748/article/details/45366045（packstack allinone + vxlan 用vbox的虚拟机搭建openstack(单节点双网卡) ）的第一步配置好实验环境（3台机器都要配置好）2.搭建openstack（1）.启动虚拟机（当物理机用）后，为其配置网卡节点eth0

1.什么是libvirt   虚拟云实现的三部曲：虚拟化技术实现-->虚拟机管理-->集群资源管理(云管理)。各种不同的虚拟化技术都提供了基本的管理工具。比如，启动，停用，配置，连接控制台等。这样在构建云管理的时候就存在两个问题：1) 如果采用混合虚拟技术，上层就需要对不同的虚拟化技术调用不同管理工具，很是麻烦。2) 虚拟化技术发展很迅速，系统虚拟化和容器虚拟化均在发展和演化中。可能有新的虚拟化技

转载自：http://niusmallnan.github.io/_build/html/_templates/openstack/ceilometer_collect.htmlceilometer主要负责监控数据的采集，采集的项目包括虚拟机的性能数据，neutron-l3-router使用的网络带宽，glance&cinder&swift等租户使用信息，甚至是通过snmp采集物理机的信息，以

1.实验环境vbox先创一台虚拟机，环境如下：条目配置oscentos66 64bit内存4G处理器3磁盘大小30G网络配置vbox所建虚拟机网卡配置：net0(网卡1)：10.20.0.0/24 Host-Only#2PCnet-PCI II混杂模式：全部允许net1(网卡2)：72.16.0.0/24 Host-Onl

转载自：http://www.cnblogs.com/sammyliu/p/4383289.html0. 背景0.1 为什么要有 Ceilometer？通常云，特别是公有云在计费方面有三个层次：计量 （Metering）： 收集资源的使用数据，其数据信息主要包括：使用对象（what）, 使用者（who）, 使用时间（when）和 用量（how much）。