cv2.putText(img, str(i), (123,456)), font, 2, (0,255,0), 3) 各参数依次是：图片，添加的文字，左上角坐标，字体，字体大小，颜色，字体粗细其中字体可以选择 FONT_HERSHEY_SIMPLEX Python: cv.FONT_HERSHEY_SIMPLEX normal size sans-serif fontFONT_HERSHEY_P

       几十年的发展，神经科学家研究都包含了一个影响深远的影响：人类的外在行为和能力，与电脑某个部位的功能有直接联系。i神经元模型、布罗德曼分区是标准模型，大脑神经元承载着明确、清晰的功能是基本假设，神经科学家的使命就是找到这些内在的映射和关联。最大的挑战就是如何重新解释身体行为、知觉意向与神经元以及神经元集群之间的关系。       不能把神经元个体看作大脑运作秘密的全部，而应当将大脑..

该书推荐的资源：Tom Mitchell《机器学习》该书最大的特点：实用性很强。该书最大的缺点是：用嵌套字典来表达复杂的距离关系，显得力不从心，如果用矩阵和向量将会省事很多。该书最大的优点是：通俗易懂，逻辑性强，考虑问题逐步深入！体会很深！可以很好的参考书。1.      如何找到相似用户:曼哈顿距离:计算速度快.皮尔逊系数：很好地解决大家起点分不一致问题。解决“分数膨胀”问题。很好地利用去均值后

        在了解这些数据挖掘技术是如何工作以前，首先必须知道数据中的结构模式是如何表达的。机器学习所能发现的模式有许多不同的表达方式，每一种方式就是一种推断数据输出结构的技术。一旦理解了输出结构的表示方法，就向数据输出结构是如何产生的理解前进了一大步。        决策表和决策树。决策树就是分治思想。        如果是数值属性，一般在一个节点上的测试通常是判断这个数值是否大于或者小于某

数据挖掘是通过分析存在于数据库里的数据来解决问题。在激烈的竞争市场上，客户忠诚度摇摆问题就是一个经常提到的事例，一个有关客户商品选择以及客户个人资料的数据库是解决这个问题的关键。以前客户的行为模式能够被用来分析并识别哪些喜欢选购不同的商品。甄别出那些善变的客户群体，并加以特殊对待，须知对整个客户群都加以特殊对待的成本是高昂的。数据挖掘被定义为找出数据中的模式的过程。这个过程必须是自动的或半自动的。

离群点检测技术离群点检测又称为异常检测是找出其行为很不同于预期对象的过程。离群点检测和聚类分析是两项高度相关的任务。聚类发现数据集中的多数模式并据此组织数据。而离群点检测则试图捕获那些显著偏离多数模式的异常情况。什么是离群点。假定使用一个给定的统计过程来产生数据对象集。离群点是一个数据对象，它显著不同于其他数据对象。噪声是被观测变量的随机误差或方差。在离群点检测之前删除噪声的。新颖性检测：通过

数据挖掘通用流程 CRISP-DM 的缔造者之一 Tom Khabaza 总结过在数据挖掘上的九大定律：（1） Business Goals Law：每个数据挖掘解决方案的根源都是有商业目的的。（2） Business Knowledge Law：数据挖掘过程的每一步都需要以商业信息为中心。（3） Data Preparation Law：数据挖掘过程前期的数据准备工作要超过整个过程的一半。（4）

转：http://bbs.w3china.org/blog/more.asp?name=idmer&id=24017大家做数据挖掘研究时，常常为找不到合适的数据而发愁。在KDNuggets上有Datasets栏目，提供一些数据集，网址为：http://www.kdnuggets.com/datasets/还有另外一个很好的资源网址为：http://kdd.ics.uci.edu/，

       Hadoop集群环境包含主控节点和两个从属节点。在主从式结构中，主节点一般负责集群管理、任务调度和负载平衡等，而从节点从执行来自主节点的计算和存储任务。      Hadoop实现了一个分布式文件系统。HDFS有着高容错性的特点，并且设计用来部署在低廉的硬件上。而且它提供高传输率来访问应用程序的数据，适合那些有着超大数据集的应用程序。HDFS放宽了POSIX的要求，这样可以以流的..

   大数据发展孕育了云计算，发挥了云计算的巨大价值。数据重要性不言而喻，但是如何来存储、管理和分析给企业带来了不小的挑战。云计算正好解决了复杂系统部署压力，海量存储和智能分析以及统一的IT管理体系。...