zhouqiang128
- 浏览: 94913 次
- 性别:
- 来自: 北京
-
最新评论
-
zhouqiang128：
zxh116116 写道weka支持处理中文数据吗？
1.打开 ...
weka联合excel绘制图表 -
zxh116116：
weka支持处理中文数据吗？
weka联合excel绘制图表
文章列表
1.激活command window;
2.然后按ctrl+c ;
1. 引子
Bag-of-Words 模型是NLP和IR领域中的一个基本假设。在这个模型中，一个文档(document)被表示为一组单词(word/term)的无序组合，而忽略了语法或者词序的部分。BOW在传统NLP领域取得了巨大的成功，在计算机视觉领域(Computer Vision)也开始崭露头角，但在实际应用过程中，它却有一些不可避免的缺陷，比如：
稀疏性(Sparseness): 对于大词典，尤其是包括了生僻字的词典，文档稀疏性不可避免；
多义词(Polysem): 一词多义在文档中是常见的现象，BOW模型只统计单词出现的次数，而忽略了他们之间的区别；
同义词(Synon ...
什么是信息增益(Information Gain)?
当我们需要对一个随机事件的概率分布进行预测时，我们的预测应当满足全部已知的条件，而对未知的情况不要做任何主观假设。在这种情况下，概率分布最均匀，预测的风险最小。因为这时概 ...
修改注册表。进入注册表，打开
“HKEY_CLASSES_ROOT\\lnkfile”分支，
在lnkfile子键下面找到一个名为
“IsShortcut”的键值，它表示在桌面的.LNK快捷方式图标上将出现一个小箭头。右键单击“IsShortcut”，然后从弹出的菜单中选择“删除”，将该键值删除。
因为快捷方式以.LNK居多，但也有一些是.PIF（指向MS-DOS程序的快捷方式）所以也将“HKEY_CLASS-ES_ROOT\\piffile”分支上的“IsShort-cut”删除，重启计算机就可以了。
开机直接进入桌面
- 博客分类：
- operating systems
1.开始--运行--输入control userpasswords2 ；
2.取消 “要使用本机，用户必须输入用户名和密码” 的选择；
问题：
1.没有数据备份，重装MySQL之后，只有以前的data文件夹及其子目录文件；
解决方法：
1.delete重装之后的data；
2.copy早先的data到相应目录；
3.delete ib_logfile0 和 ib_logfile1 两个日志文件；
4.运行MySQL，数据恢复正常；
step1 远程的服务器端设置：
要有用户名和密码；
我的电脑-属性-远程-允许用户远程连接到此计算机；
step2 本地用户的客户端连接：
运行-cmd-mstsc;
或者
开始-程序-附件-远程桌面连接；
输入IP地址；
常见数学希腊字母发音
- 博客分类：
- Math
序号 大写 小写 英文注音 国际音标注音 中文注音 意义1 Α α alpha a:lf 阿尔法 角度；系数2 Β β beta bet ...
SVM-1
(1) SVM（Support Vector Machine）是从瓦普尼克（Vapnik）的统计学习理论发展而来的，主要针对小样本数据进行学习、分类和预测（有时也叫回归）的一种方法，能解决神经网络不能解决的过学习问题。作者以为，类似的根据样本进行学习的方法还有基于案例的推理（Case-Based Reasoning），决策树归纳算法C4.5等，以后将详细阐述这两种方法。
(2)过学习问题：训练误差过小导致推广能力下降，即真实风险的增加。
(3)推广能力：generalization ability，也可以说是泛化能力，就是对未知样本进行预测时的精确度。
1.概述 熵（entropy）指的是体系的混乱的程度，它在控制论、概率论、数论、天体物理、生命科学等领域都有重要应用，在不同的学科中也有引申出的更为具体的定义，是各领域十分重要的参量。熵由鲁道夫·克劳修斯（Rudo ...
(1) 朴素贝叶斯算法
设每个数据样本用一个n维特征向量来描述n个属性的值，即：X={x1，x2，…，xn}，假定有m个类，分别用C1, C2,…，Cm表示。给定一个未知的数据样本X（即没有类标号），若朴素贝叶斯分类法将未知的样本X分配给类Ci，则一定是
P(Ci|X)>P(Cj|X) 1≤j≤m，j≠i
根据贝叶斯定理
由于P(X)对于所有类为常数，最大化后验概率P(Ci|X)可转化为最大化先验概率P(X|Ci)P(Ci)。如果训练数据集有许多属性和元组，计算P(X|Ci)的开销可能非常大，为此，通常假设各属性的取值互相独立，这样
先验概率P(x1|Ci)， ...
在向量空间模型中，文本泛指各种机器可读的记录。用D（Document）表示，特征项（Term，用t表示）是指出现在文档D中且能够代表该文档内容的基本语言单位，主要是由词或者短语构成，文本可以用特征项集表示为D(T1，T2，…，Tn) ...