Note

Perceptron 1 之前已经了解到，机器学习的过程是： 输入一笔数据，这笔数据由\(\mathcal X\)和\(\mathcal Y\)组成，而x和y服从一个未知的分布\(\mathcal f\) 通过learning algorithm \(\mathcal A\)在hypothesis set \(\mathcal H\)中挑选一个合适的g，这个g即是机器学习到的，希望这个g能够很接近f，以至于能替代它。 机器学习的模型是由Learning algorithm \(\mathcal A\)和 hypothesis \(\mathcal H\)组成 今天就要学习一个模型，既然是模型，学完后就要清楚地知道它的hypothesis set 和 learning algorithm 1.Perceptron Hypothesis set 1.1抽象解释 情景：如上图所示，已经了解客户的年龄，工资，工作年限，负债情况等，达到银行的标准，则通过他的信用卡申请。那么如果让机器来做，它要做的是什么呢？ > 回顾机器学习的过程，我们需要有输入数据D(x,y)，Hypothesis \(\mathcal H\), learning algorithm \(\mathcal A\)。那么一一与这个情景对应，应是怎么样呢？ 机器： 把每个申请者当做一个向量\(\mathcal X\)，把申请者的信息当做不同维度的特征，则\(\mathcal X = (x_1, x_2, x_3,\dots, x_n)\) 把同意申请设为\(+1\)，不同意申请设为\(-1\), 则\(\mathcal Y: \{+1(good), -1(bad)\}, 0 忽略\) 银行的标准即为阈值（threshold） 不同维度的特征应该有不一样的权重\(\mathcal w\) 那么 \[ \mathcal H: h(x) = sign((\sum_{i=1} ^n w_i x_i) - threshold) \]...

vim 分屏 vsplit split 分屏调整 ctrl-w + = vertical resize + or - col resize + or - line 移动 h,l,j,k b or ge - 向前一个单词 w or e - 向后一个单词 { } - beginning of previous,next paragraph $ - 行尾 ^ - 行头第一个非空白字符上 0 - 本行第一个字符上 插入 i a - insert before, after cursor I A - 行首, 行尾 O - insert above current line o - insert in newline R - replace characters starting at the cursor

hexo博客搭建 hexo原始目录 vps存放public目录 本机向github提交原始文件 本机向vps提交public目录 在vps利用git hooks 自动部署 nginx直接映射public

如果要在另一台电脑上更新博客，得先删除.deploy_git，我也不知道为什么，折腾了一两个小时，终于弄好啦 rm -rf 删除的文件或文件夹是有办法恢复的，如果文件系统是ext,可以使用debugfs和extundelete恢复。 具体过程没看，先知道有这么回事吧 2.23 很多命令平时用的少，但每次到用的时候就忘了，今天整理两个 grub-mkconfig -o filename windows引导修复，bcdboot system driver efi driver,对于efi的卷标可以在diskpart中设置 2.24 fdisk partition -l 能显示分区类型 partx -s /dev/sda 能显示uuid 都能显示卷号，扇区的起始位置、扇区大小和容量 3.6 byzanz-record -d 30 -x 0 -y 0 -w 1366 -h 768 file.gif ffmpeg -i input.mp4 -ss start.time -t stop.time -acopy copy -vcopy copy output.mp4 time format: 00:00:00 also how much seconds eg: 90 4....

在.gitignore中编辑 example: 1 2 3 4 5 6 7 8 9 10 11 #ignore database file, sln file, config file *.mdb *.ldb *.sln *.config #ignore fileFolder node_modules Debug 在具体的.gitignore文件中，也有详细的说明