<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[puppet_love的专栏]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/puppet_love</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; puppet_love]]></copyright><item><title><![CDATA[Eclipse CDT调用igraph（C library）环境配置]]></title><link>https://blog.csdn.net/puppet_love/article/details/94558685</link><guid>https://blog.csdn.net/puppet_love/article/details/94558685</guid><author>puppet_love</author><pubDate>Fri, 05 Jul 2019 13:11:04 +0800</pubDate><description><![CDATA[声明：本人在windows环境下使用Cygwin gcc编译器调用igraph c版本库，假设您已经安装好Eclipse CDT。

1. 参照Installation on Windows under Cygwin下载并安装Cygwin，并安装必要库，如gcc等。

2. 在Cygwin环境下安装igraph:

  2.1 下载igraph c版本库.

  2.2 解压igraph...]]></description><category></category></item><item><title><![CDATA[向量范数和矩阵范数的定义]]></title><link>https://blog.csdn.net/puppet_love/article/details/78506203</link><guid>https://blog.csdn.net/puppet_love/article/details/78506203</guid><author>puppet_love</author><pubDate>Sat, 11 Nov 2017 14:01:27 +0800</pubDate><description><![CDATA[Source: https://www.zhihu.com/question/20473040?utm_campaign=rss&utm_medium=rss&utm_source=rss&utm_content=title

向量范数

1-范数： 

，即向量元素绝对值之和，matlab调用函数norm(x, 1) 。
2-范数：
，Euclid范数（欧几里得范数，常用计算向量]]></description><category></category></item><item><title><![CDATA[Matrix Factorization: A Simple Tutorial and Implementation in Python]]></title><link>https://blog.csdn.net/puppet_love/article/details/78504129</link><guid>https://blog.csdn.net/puppet_love/article/details/78504129</guid><author>puppet_love</author><pubDate>Fri, 10 Nov 2017 23:39:17 +0800</pubDate><description><![CDATA[Source :http://www.quuxlabs.com/blog/2010/09/matrix-factorization-a-simple-tutorial-and-implementation-in-python/




By Albert
 Au Yeung on September
 16, 2010


There is probably no need t]]></description><category></category></item><item><title><![CDATA[Academic Publishing (LaTeX, PDF tools)]]></title><link>https://blog.csdn.net/puppet_love/article/details/51366745</link><guid>https://blog.csdn.net/puppet_love/article/details/51366745</guid><author>puppet_love</author><pubDate>Tue, 10 May 2016 21:22:36 +0800</pubDate><description><![CDATA[Academic Publishing (LaTeX, PDF tools)






Formatting
 captions and subcaptions in LaTeX





LaTeX
 script styles for math





LaTeX
 Table Tips





Miscellaneous
 La]]></description><category></category></item><item><title><![CDATA[R批量修改文件名]]></title><link>https://blog.csdn.net/puppet_love/article/details/50810686</link><guid>https://blog.csdn.net/puppet_love/article/details/50810686</guid><author>puppet_love</author><pubDate>Sat, 05 Mar 2016 20:57:51 +0800</pubDate><description><![CDATA[path <- "/XX/";              #设定要修改主目录
setwd(path)                  # 设置为当前目录old.file.names <- dir()      # 返回当前目录下所有文件名，类型为名称向量
new.file.names <- sapply(old.file.names,function(file){  # 新的命名规则，下例为所有文]]></description><category></category></item><item><title><![CDATA[Kendall tau rank correlation coefficient]]></title><link>https://blog.csdn.net/puppet_love/article/details/50803048</link><guid>https://blog.csdn.net/puppet_love/article/details/50803048</guid><author>puppet_love</author><pubDate>Fri, 04 Mar 2016 15:29:01 +0800</pubDate><description><![CDATA[转自：http://wiki.pinggu.org/doc-view-3301.html

The Kendall tau rank correlation coefficient (or simply the Kendall tau coefficient, Kendall's τor tau test(s)) is a non-parametric statistic used to me]]></description><category></category></item><item><title><![CDATA[Logistic Regression 模型简介]]></title><link>https://blog.csdn.net/puppet_love/article/details/50357828</link><guid>https://blog.csdn.net/puppet_love/article/details/50357828</guid><author>puppet_love</author><pubDate>Sat, 19 Dec 2015 12:10:31 +0800</pubDate><description><![CDATA[本文转自（美团点评技术团队）
原网址：http://tech.meituan.com/intro_to_logistic_regression.html





逻辑回归（Logistic Regression）是机器学习中的一种分类模型，由于算法的简单和高效，在实际中应用非常广泛。本文作为美团机器学习InAction系列中的一篇，主要关注逻辑回归算法的数学模型和参数求解方法，最后]]></description><category></category></item><item><title><![CDATA[实例详解机器学习如何解决问题]]></title><link>https://blog.csdn.net/puppet_love/article/details/50357809</link><guid>https://blog.csdn.net/puppet_love/article/details/50357809</guid><author>puppet_love</author><pubDate>Sat, 19 Dec 2015 12:04:28 +0800</pubDate><description><![CDATA[本文转自（美团点评技术团队）

原网址：http://tech.meituan.com/mt-mlinaction-how-to-ml.html





前言

随着大数据时代的到来，机器学习成为解决问题的一种重要且关键的工具。不管是工业界还是学术界，机器学习都是一个炙手可热的方向，但是学术界和工业界对机器学习的研究各有侧重，学术界侧重于对机器学习理论的研究，工业界侧重于如何]]></description><category></category></item><item><title><![CDATA[如何检索和阅读文献]]></title><link>https://blog.csdn.net/puppet_love/article/details/46683003</link><guid>https://blog.csdn.net/puppet_love/article/details/46683003</guid><author>puppet_love</author><pubDate>Mon, 29 Jun 2015 15:30:25 +0800</pubDate><description><![CDATA[【如何进行文献检索】

 

我是学自然科学的，平时确实需要不少外文文献，对于自然科学来讲英文文献检索首推Elsevier，Springer等。虽然这些数据库里面文献已经不算少了。但是有时还会碰到查不到的文献，而这些文献的数据库我们所在研究所或大学又没有买，怎么办？我基本通过以下向个途径来得到文献。

 

1．首先在Google 学术搜索里进行搜索，里面一般会搜出来你要找的文献，]]></description><category></category></item><item><title><![CDATA[转移矩阵]]></title><link>https://blog.csdn.net/puppet_love/article/details/44413223</link><guid>https://blog.csdn.net/puppet_love/article/details/44413223</guid><author>puppet_love</author><pubDate>Wed, 18 Mar 2015 16:22:54 +0800</pubDate><description><![CDATA[转自百科

转移概率矩阵（又叫跃迁矩阵，英文名：transition matrix）是俄国数学家马尔科夫提出的，他在20世纪初发现：一个系统的某些因素在转移中，第n次结果只受第n-1的结果影响，即只与当前所处状态有关，而与过去状态无关。 在马尔科夫分析中，引入状态转移这个概念。所谓状态是指客观事物可能出现或存在的状态；状态转移是指客观事物由一种状态转移到另一种状态的概率。

例如对应于一个]]></description><category></category></item><item><title><![CDATA[耶鲁女孩刘畅教你循序渐进背单词]]></title><link>https://blog.csdn.net/puppet_love/article/details/44114093</link><guid>https://blog.csdn.net/puppet_love/article/details/44114093</guid><author>puppet_love</author><pubDate>Sat, 07 Mar 2015 10:00:19 +0800</pubDate><description><![CDATA[本文转自小木虫论坛：http://emuch.net/bbs/viewthread.php?tid=6994668&fpage=2


你学习英语坚持多久了？学习成效怎么样？分享一下吧，一是给对方以动力，二是相互鼓励！
         分享一下自己的经验吧。

         博客上看到的一篇文章，感觉甚是受用，故拿来与虫友们分享一下：

我通过不断地积累、摸索、请教、总结，掌]]></description><category></category></item><item><title><![CDATA[在机器学习模型运行时保持高效的方法]]></title><link>https://blog.csdn.net/puppet_love/article/details/44097881</link><guid>https://blog.csdn.net/puppet_love/article/details/44097881</guid><author>puppet_love</author><pubDate>Fri, 06 Mar 2015 12:05:36 +0800</pubDate><description><![CDATA[本文转自：http://www.csdn.net/article/2015-03-03/2824084

近来，很多人都面临这样一个问题：“机器学习脚本运行时，如何才能避免浪费时间或者拖延呢？”。

我认为这是一个非常好的问题，回答这个问题能显示组织水平和工作上的成熟度。

我曾对此问题进行过简短的回复，但在这篇文章里，我会详述我的方法，并教你从几个角度思考这个问题，缩减消耗时间，甚至]]></description><category></category></item><item><title><![CDATA[机器学习的最佳入门学习资源]]></title><link>https://blog.csdn.net/puppet_love/article/details/44097815</link><guid>https://blog.csdn.net/puppet_love/article/details/44097815</guid><author>puppet_love</author><pubDate>Fri, 06 Mar 2015 11:58:32 +0800</pubDate><description><![CDATA[本文由 伯乐在线 - programmer_lin 翻译！
英文出处：Jason Brownlee。欢迎加入翻译小组。

这是一篇很难写的文章，因为我希望这篇文章能对学习者有所启发。我在空白页前坐下，并且问自己了一个很难的问题：什么样的库、课程、论文和书籍对于机器学习的初学者来说是最好的。

文章里到底写什么、不写什么，这个问题真的让我很烦恼。我必须把自己当做一个程序员和一个机器学习的初]]></description><category></category></item><item><title><![CDATA[so…that，such…that ，such that]]></title><link>https://blog.csdn.net/puppet_love/article/details/42292045</link><guid>https://blog.csdn.net/puppet_love/article/details/42292045</guid><author>puppet_love</author><pubDate>Wed, 31 Dec 2014 10:40:18 +0800</pubDate><description><![CDATA[1. so…that用于以下四个句型：

so+形容词/副词+that…

so+形容词+a/an+单数可数名词+that…

so+ many(多) / few(少)
 +复数可数名词+that…

so+ much(多) /little(少)
 +不可数名词+that…

This teacher is so kind that we all like him. 这个老]]></description><category></category></item><item><title><![CDATA[限制性与非限制性定语从句区别]]></title><link>https://blog.csdn.net/puppet_love/article/details/42264343</link><guid>https://blog.csdn.net/puppet_love/article/details/42264343</guid><author>puppet_love</author><pubDate>Tue, 30 Dec 2014 12:01:22 +0800</pubDate><description><![CDATA[转自：http://e.3edu.net/yf/E_75478.html
一、在句中作用不同
    限制性定语从句对被修饰的先行词有限定制约作用,使该词的含义更具体,更明确。限制性定语从句不能被省略,否则句意就不完整。
    非限制性定语从句与先行词关系不十分密切,只是对其作一些附加说明,不起限定制约作用。如果将非限制性定语从句省去,主句的意义仍然完整。
    二、外在表现形式不同]]></description><category></category></item><item><title><![CDATA[这实在是一篇少走许多学习弯路的好文章]]></title><link>https://blog.csdn.net/puppet_love/article/details/41173125</link><guid>https://blog.csdn.net/puppet_love/article/details/41173125</guid><author>puppet_love</author><pubDate>Sun, 16 Nov 2014 15:15:01 +0800</pubDate><description><![CDATA[1. 先看综述，后看论著。看综述搞清概念，看论著掌握方法。
2. 早动手在师兄师姐离开之前学会关键技术。
3. 多数文章看摘要，少数文章看全文。掌握了一点查全文的技巧，往往会以搞到全文为乐，以至于没有时间看文章的内容，更不屑于看摘要。真正有用的全文病不多，过分追求全文是浪费，不可走极端。当然只看摘要也是不对的。
4. 集中时间看文献。看过总会遗忘。看文献的时间越分散，浪费时间越多。集中时间看]]></description><category></category></item><item><title><![CDATA[如何开始学术研究]]></title><link>https://blog.csdn.net/puppet_love/article/details/40947513</link><guid>https://blog.csdn.net/puppet_love/article/details/40947513</guid><author>puppet_love</author><pubDate>Sun, 09 Nov 2014 09:26:22 +0800</pubDate><description><![CDATA[如何开始学术研究



1.了解研究领域的现状


 

这是研究起步阶段，加深对课题的认识先从一些参考书开始，如：百科全书、字典、手册、专著等。课题的进展情况应读相关的综述文献。综述文献是对一个研究领域的整体状况的评述，它可以为一项研究提供准确的定义和框架。大多数的同学在进入课题研究之前，都还不太了解该领域的全面情况。综述文献就是让学生掌握某一特定研究领域中的基础知识，并给出已]]></description><category></category></item><item><title><![CDATA[Books of Complex networks]]></title><link>https://blog.csdn.net/puppet_love/article/details/40921595</link><guid>https://blog.csdn.net/puppet_love/article/details/40921595</guid><author>puppet_love</author><pubDate>Sat, 08 Nov 2014 16:03:50 +0800</pubDate><description><![CDATA[Network Science by Albert-László Barabási]]></description><category></category></item><item><title><![CDATA[SSH使用]]></title><link>https://blog.csdn.net/puppet_love/article/details/40796071</link><guid>https://blog.csdn.net/puppet_love/article/details/40796071</guid><author>puppet_love</author><pubDate>Tue, 04 Nov 2014 22:40:27 +0800</pubDate><description><![CDATA[SSH 为 Secure
 Shell 的缩写，由 IETF 的网络工作小组（Network
 Working Group）所制定；SSH 为建立在应用层和传输层基础上的安全协议。SSH 是目前较可靠，专为远程登录会话和其他网络服务提供安全性的协议。利用
 SSH 协议可以有效防止远程管理过程中的信息泄露问题。SSH最初是UNIX系统上的一个程序，后来又迅速扩展到其他操作平台。SSH在正确使]]></description><category></category></item><item><title><![CDATA[牛人写SCI秘籍]]></title><link>https://blog.csdn.net/puppet_love/article/details/40681371</link><guid>https://blog.csdn.net/puppet_love/article/details/40681371</guid><author>puppet_love</author><pubDate>Sat, 01 Nov 2014 16:08:03 +0800</pubDate><description><![CDATA[这是一个一年三篇IF大于7的牛人当我问道他怎么这么强的时候，他给我他在网上总结发文章的秘笈。看了实在是心中有一种感觉，特奉献出来 
一、研究生必备四本 
俗话说好记性不如烂笔头，所以一定要首先养成做笔记的好习惯！作为研究生下面这几个本子是必不可少的 
1，实验记录本（包括试验准备本），这当然首当其冲必不可少，我就不多说了； 
2，Idea记录本，每次看文献对自己有用的东西先记下，由此产生的]]></description><category></category></item></channel></rss>