- 博客(6)
- 资源 (3)
- 收藏
- 关注
原创 深入理解汇编语言和c++语言(1)---从a+b说起
最近突然对c语言,以及c语言如何转换到汇编语言特别的感兴趣,于是写了这个系列,首先让我们看一个小程序:#includeusing namespace std;int main(){int s;int a=3;int b=4;s=a+b;return 0;}这是个很简单c++程序,仅仅把两个局部变量相加而已,我们汇编这段代码:g++ -S add.cc
2016-05-08 13:42:55 3267 1
原创 在Docker Container中运行Hadoop程序
Hadoop 自从2.7.1 之后开始支持 Docker Container Executor, 这就为我们运行mapreduce 任何提供了一个新的可能,也就是说我们可以把mapreduce 任务的JVM 运行在docker里。利用docker提供的资源隔离技术可以减少并行运行task之间的的干扰。本文主要介绍了把任务运行在docker内,其他相关文章也有讨论把docker配资成单一的节点,
2016-03-14 03:32:29 4215 4
转载 偏差-方差分解 Bias-Variance Decomposition
JMP0XF - Everything is Numb3rsFuck Machine Learning, Learn Machine Fucking偏差-方差分解 Bias-Variance Decomposition设希望估计的真实函数为f=f(X)但是观察值会带上噪声,通常认为其均值为0Y=f(X)+ϵ,E[ϵ]=0
2014-04-14 18:53:25 1410
转载 正则化最小二乘
正则化的最小二乘法在单元 (unimodal) 目标变量的线性模型中,MLE (Maximum likelihood) 和 Least Squares (最小二乘法) 是常用的两种估计模型参数向量 W 的解法。他们都有个共同点,求解得到的参数向量 W 能够保证估计的目标值和观测得到的目标值之间的误差最小。但是单纯的考虑误差最小化得到的模型会有过拟合现象,也就是预测效果会很差。为了解决这
2014-04-02 22:56:05 7033
转载 插值法(转自wiki)
多项式可以根据少数给定的数据点来逼近复杂的曲线,如字体排印学中的文字。一个相关的应用是估计自然对数和三角函数的值:选择几个已知的数据点、构建一个查找表、然后在这些数据点之间进行插值。这样可以得到非常快速的计算。另外多项式插值也是数值积分和数值常微分方程中算法的基础。多项式插值在 sub-quadratic 乘法以及平方运算中也很关键。例如,有 a = f(x) = a0x0 + a1x1
2014-03-29 19:30:07 1521
转载 机器学习-学习笔记3.1-局部加权回归
局部加权紧接着上面的线性回归中参数求解来继续讲吧。还是以上面的房屋价格的预测,它的中心思想是在对参数进行求解的过程中,每个样本对当前参数值的影响是有不一样的权重的。比如上节中我们的回归方程为(这个地方用矩阵的方法来表示Ɵ表示参数,i表示第i个样本,h为在Ɵ参数下的预测值): 我们的目标是让 最小,然后求出来Ɵ,再代入h中就可以得到回归方程了。
2014-03-27 18:55:09 605 2
深入浅出MFC(中文版)
2010-04-02
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人