1. 假设函数之前的几篇文章里面，我们都只是介绍了单维特征变量的线性回归模型，比如预测房价的时候，我们只用了房子的面积这个维度。接下来我们会去研究多个维度的线性回归模型还是从预测房价这个例子入手，假设我们现在不只是单纯的考虑房子的面积，还考虑了卧室的数量、楼层、房子年限等三个维数得到了一个新的训练集由于特征向量x的维度是多维，因此我们的表示发生了一些变化，如下图因此，多个维度特征变量的线性回归的假设函数可定义为还是假设X0 = 1此时，函数h有n+1个参数θ0 ~ θn，同时特征向量x有n维，x1 ~ xn，特殊的是x0永远等于1不难发现函数h是特征向量x(x0,x1 ... xn) 和 参数θ的转置矩阵的乘积，证明如下因此，函数h可以简化为如下式子2. 代价函数同理，扩展到多维特征变量之后，代价函数J，如下所示我们的目的也是通过多轮的迭代，找到最佳的参数θ0 ~ θn，使得函数J(θ0,θ1,...θn)的值最小 ...继续阅读 (18)

1.引言虽然我们知道，代价函数Jθ的表达式，但是还不知道怎么去确定假设函数hθ(x)的所有参数θ0,θ1 ... θn，使得Jθ值最小。我们还是假设hθ(x)是一个线性函数，并且只有2个参数θ0,θ1，对应特征向量x只有1维我们的目标是使得J(θ0,θ1)最小我们可以采用以下方法，尝试找到J(θ0,θ1)最小值给θ0, θ1一个初始值，例如都等于0不断改变θ0, θ1的值，并且满足J(θ0,θ1)递减，直到达到一个我们满意的最小值，此时θ0,θ1即我们所求的最佳参数值这个算法我们称之为"梯度下降"算法假设J(θ0,θ1)值和参数θ0,θ1满足如下3维关系图按照前面提到的迭代方法，假设不同的θ0, θ1的初始值，我们可能会有如下两个不同的迭代过程从前面两个图中所示，我们会发现θ0, θ1初始值不同的时候，我们会找到不同局部最小值，这个特点正是"梯度下降"算法的特点，虽然很多时候都只会有一个全局的最小值2.梯度下降-初步了解根据前面的介绍，当只有2个参数θ0, θ1的时候，可以定义梯度下降算法的函数，如下特别说明::= 表示赋值，例如a := b 表示把b的值赋值给a= 表示判断是否相等，例如 a = b表示判断a等于b重复上述过程，直到函数收敛，得到的θ0, θ1值即为最佳参数值α我们称为learning rate，如果α的值太大则迭代的步伐太 ...继续阅读 (24)

一. 引言      我们都知道，微信提供了多种登录的方式，包括手机端、电脑端以及web端。      web端的登录，我们用Python程序完全可以模拟出来~~（如果你不知道，那也没关系，稍微了解下Python request session即可）      而所谓的机器人实际上就是后台一个智能的程序，类似“微软小冰”，“iPhone siri”。今天我们要用的是一个开放的机器人API，“图灵机器人”      下面就让我们一步步分析如何，通过模拟web端微信登录+“图灵机器人” 实现一个微信机器人二. 深入分析      1. web版微信不是用用户名密码而是用扫描二维码登录，如何实现的呢？          让我们登录https://wx.qq.com/，查看此时的网络请求情况 如下图所示          1). 实际上客户端会先发送一个js get请求，请求url为https://login.wx.qq.com/jslogin?appid=wx782c26e4c19acffb&redirect_uri=https%3A ...继续阅读 (76)

1.引言当我们的训练集如下图1所示，可以假设hypothesis函数如图2θ0和θ1我们称为hθ(x)函数的2个参数，h是x的函数，所以有时候也记着h(x)对于这个已有的hypothesis，我们需要什么方法来评估这个假设函数的好坏呢？因此我们定义了一个叫"代价函数"cost function 来评估当前hθ(x)函数2. 代价函数cost function也叫作loss function，就是对hθ(x)函数进行评估的一个函数。通常来说，模型越准确，越接近真实，其cost function的值就越小。cost function 通常用大写字母J表示，由于cost function的大小和hθ(x)的参数取值相关，不难想象，J是θ的函数，用Jθ表示。线性回归中的cost function，通常用最小"平方差"来表示，也称为square loss，有2个参数θ0和θ1的时候，可以定义cost function函数如下所以这里x和y的右上角标i，表示training set中第i个数据的特征向量和实际值，加括号表示是第i个，而不是i次幂由cost function定义可以知道，当hθ(x)对training set测试结果完全正确的时候，const function的值是0因此我们的目标，就是尽量优化hθ(x)，不断更改参数θ0 ~ θn 的值， ...继续阅读 (36)

一.引言机器学习中的回归问题属于有监督学习的范畴，回归问题的目标是给定D维输入变量x，并且每一个输入矢量x都有对应的值y， 要求对于新来的数据预测它对应的连续的目标值t。 比如下面这个例子：假设我们有一个包含47个房子的面积和价格的数据集如下：我们可以在Matlab中画出来这组数据集，如下：看到画出来的点，是不是有点像一条曲线？ 我们可以用一条曲线去尽量拟合这些数据点，那么对于新来的输入，我么就可以将拟合的曲线上返回对应的点从而达到预测的目的。 如果要预测的值是连续的比如上述的房价，那么就属于回归问题；如果要预测的值是离散的即一个个标签，那么就属于分类问题。 这个学习处理过程如下图所示:上述学习过程中的常用术语： 1). 包含房子面积和价格的数据集称为 "训练集training set" 2). 输入变量x（本例中为面积）为 "特征features" 3). 输出的预测值y（本例中为房价）为 "目标值target" 4). 拟合的曲线，一般表示为y = h(x)，称为 "假设模型hypothesis"二.线性回归模型线性回归模型假设输入特征和对应的结果满足线性关系。 在上述的数据集中加上一维--房间数量，于是数据集变为：于是，输入特征x是二维的矢量，比如x1(i)表示数据集中第i个房 ...继续阅读 (39)

一. 背景在机器学习中，有2个很大的思路监督学习(supervised learning)和非监督学习(unsupervised learning) 监督学习，用通俗的话来说就是你知道问题的答案，需要计算机给出一个更标准的答案。 非监督学习，用通俗的话来说就是物以类聚，人以群分。我们拿到了很多数据，但是不知道问题的答案，希望计算机给我们提供思路。 在生产环境中，往往采用混合模式。比如图片搜索，如何能够查找网页中判断那个图片是老虎，那个是狗。就有2个思路。 1. 根据图片周围的文字。 2. 图片的图像数据分析。 2个角度相互校验，稳定之后，就可以产生足够的标注信息了。二. 监督学习1. 监督学习指的是已知一个数据集和数据集中每个数据的正确答案，算法就是基于这个已知的数据集来做出学习并预测出结果。监督学习常见的有回归问题和分类问题 1). 回归问题 举例: 已知一批房地产数据，每个数据包括房子面积和售价，想预测一个给定大小的房子面积和售价，这类问题我们称为回归问题。 2). 分类问题 举例: 医学界根据已知肿瘤患者的年龄和肿瘤的类型（良性/恶性），想预测一个病人所患肿瘤的类型，这类问题我们称为分类问题。 2. 在监督学习的数据集中每个样本都已经被标明为正样本或者负样本三. 无监督学习1. 在无监督学习中，我们用的数据会和监督学习里的看起来有些不一样。 ...继续阅读 (28)

1. Cookie 介绍       HTTP 协议是无状态的。因此，若不借助其他手段，远程的服务器就无法知道以前和客户端做了哪些通信。Cookie 就是「其他手段」之一。 Cookie 一个典型的应用场景，就是用于记录用户在网站上的登录状态。用户登录成功后，服务器下发一个（通常是加密了的）Cookie 文件。客户端（通常是网页浏览器）将收到的 Cookie 文件保存起来。下次客户端与服务器连接时，将 Cookie 文件发送给服务器，由服务器校验其含义，恢复登录状态（从而避免再次登录）。2.requests使用cookie         当浏览器作为客户端与远端服务器连接时，远端服务器会根据需要，产生一个 SessionID，并附在 Cookie 中发给浏览器。接下来的时间里，只要 Cookie 不过期，浏览器与远端服务器的连接，都会使用这个 SessionID；而浏览器会自动与服务器协作，维护相应的 Cookie。        在requests中，也是这样。我们可以创建一个requests.Session，尔后在该 Session 中与远端服务器通信，其中产 ...继续阅读 (41)

文章转载自: http://yanyiwu.com/work/2014/04/07/hmm-segment-xiangjie.htmlHMM(Hidden Markov Model): 隐式马尔科夫模型。HMM模型可以应用在很多领域，所以它的模型参数描述一般都比较抽象，以下篇幅针对HMM的模型参数介绍直接使用它在中文分词中的实际含义来讲：HMM的典型介绍就是这个模型是一个五元组:StatusSet: 状态值集合ObservedSet: 观察值集合TransProbMatrix: 转移概率矩阵EmitProbMatrix: 发射概率矩阵InitStatus: 初始状态分布HMM模型可以用来解决三种问题：参数(StatusSet, TransProbMatrix, EmitRobMatrix, InitStatus)已知的情况下，求解观察值序列。(Forward-backward算法)参数(ObservedSet, TransProbMatrix, EmitRobMatrix, InitStatus)已知的情况下，求解状态值序列。(viterbi算法)参数(ObservedSet)已知的情况下，求解(TransProbMatrix, EmitRobMatrix, InitStatus)。(Baum-Welch算法)其中，第三种问题最玄乎也最不常用，第二种问题最常用，【中文 ...继续阅读 (74)

1. 结巴中文分词    结巴分词是国内程序员用开发的一个中文分词模块, 源码已托管在github,https://github.com/fxsjy/jieba2. 结巴分词算法:    a. 基于Trie树结构实现高效的词图扫描，生成句子中汉字所有可能成词情况所构成的有向无环图（DAG)    b. 采用了动态规划查找最大概率路径, 找出基于词频的最大切分组合    c. 对于未登录词，采用了基于汉字成词能力的HMM模型，使用了Viterbi算法.3. 结巴分词理解 （转载自:http://tieba.baidu.com/p/3145509319）    第一条：基于Trie树结构实现高效的词图扫描，生成句子中汉字所有可能成词情况所构成的有向无环图（DAG)     结巴分词自带了一个叫做dict.txt的词典, 里面有2万多条词, 包含了词条出现的次数(这个次数是于作者自己基于人民日报语料等资源训练得出来的)和词性. 这个第一条的trie树结构的词图扫描, 说的就是把这2万多条词语, 放到一个trie树中, 而trie树是有名的前缀树, 也就是说一个词语的前面几个字一样, 就表示他 ...继续阅读 (60)

文章转载自: 我爱自然语言处理记得第一次了解中文分词算法是在 Google 黑板报 上看到的，当初看到那个算法时我彻底被震撼住了，想不到一个看似不可能完成的任务竟然有如此神奇巧妙的算法。最近在詹卫东老师的《中文信息处理导论》课上 再次学到中文分词算法，才知道这并不是中文分词算法研究的全部，前前后后还有很多故事可讲。在没有建立统计语言模型时，人们还在语言学的角度对自动分词进 行研究，期间诞生了很多有意思的理论。中文分词的主要困难在于分词歧义。“结婚的和尚未结婚的”，应该分成“结婚／的／和／尚未／结婚／的”，还是“结婚／的／和尚／未／结婚／ 的”？人来判断很容易，要交给计算机来处理就麻烦了。问题的关键就是，“和尚未”里的“和尚”也是一个词，“尚未”也是一个词，从计算机的角度看上去，两 者似乎都有可能。对于计算机来说，这样的分词困境就叫做“交集型歧义”。有时候，交集型歧义的“歧义链”有可能会更长。“中外科学名著”里，“中外”、“外科”、“科学”、“学名”、“名著”全是词，光从词库的 角度来看，随便切几刀下去，得出的切分都是合理的。类似的例子数不胜数，“提高产品质量”、“鞭炮声响彻夜空”、“努力学习语法规则”等句子都有这样的现 象。在这些极端例子下，分词算法谁优谁劣可谓是一试便知。最简单的，也是最容易想到的自动分词算法，便是“最大匹配法”了。也就是说，从句子左 ...继续阅读 (22)

文章转载自: http://blog.sina.com.cn/s/blog_71d1a98701010s0v.html1. open 函数    1). 功能描述: 用于打开或创建文件，在打开或创建文件时可以指定文件的属性及用户的权限等各种参数。    2). 所需头文件:    #include<sys/types.h>    #include<sys/stat.h>    #include<fcntl.h>    3). 函数原型:int open(const char *pathname, intflags, int perms)    4). 返回值: 成功返回文件描述符，失败返回-1         -1: 打开失败         0~255: 打开成功    5). 参数：      &nb ...继续阅读 (30)

文章参考: http://www.cnblogs.com/forstudy/archive/2012/04/05/2433853.html一. 进程和线程     进程     (1) 系统中程序执行和资源分配的基本单位     (2) 每个进程有自己的数据段、代码段和堆栈段     (3) 在进行切换时需要有比较复杂的上下文切换      线程     (1) 减少处理机的空转时间，支持多处理器以及减少上下文切换开销, 比创建进程小很多     (2) 进程内独立的一条运行路线     (3) 处理器调度的最小单元，也称为轻量级进程     (4) 一个进程可以有多个线程，有多个线程控制表及堆栈寄存器，共享一个用户地址空间二. 线程函数   1. 线程标识       pthread_t pthread_self(); &nbs ...继续阅读 (25)

转载自: http://blog.chinaunix.net/uid-24185908-id-3052676.html一. 进程和线程            进程是没有活力的，它只是一个静态的概念。为了让进程完成一些工作，进程必须至少占有一个线程，所以线程是描述进程内的执行，正是线程负责执行包含在进程的地址空间中的代码。实际上，单个进程可以包含几个线程，它们可以同时执行进程的地址空间中的代码。为了做到这一点，每个线程有自己的一组CPU寄存器和堆栈。      线程是进程内部的一个执行单元。系统创建好进程后，实际上就启动执行了该进程的主执行线程，主执行线程以函数地址形式，比如说main或WinMain函数，将程序的启动点提供给Windows系统。主执行线程终止了，进程也就随之终止。       每一个进程至少有一个主执行线程，它无需由用户去主动创建，是由系统自动创建的。用户根据需要在应用程序中创建其它线程，多个线程并发地运行于同一个进程中。一个进程中的所有线程都在该进程的虚拟地址空间中，共同使用这些虚拟地址空间、全局变量和系统资源，所以线程间的通讯非常方便，多线程技术的应用也较为广泛。      多线程可以实现并行处 ...继续阅读 (48)

1. 基础1.1 ASCII码  我们知道, 在计算机内部, 所有的信息最终都表示为一个二进制的字符串. 每一个二进制位(bit)有0和1两种状态, 因此八个二进制位就可以组合出 256种状态, 这被称为一个字节(byte). 也就是说, 一个字节一共可以用来表示256种不同的状态, 每一个状态对应一个符号, 就是256个符号, 从 0000000到11111111.  上个世纪60年代, 美国制定了一套字符编码, 对英语字符与二进制位之间的关系, 做了统一规定. 这被称为ASCII码, 一直沿用至今.  ASCII码一共规定了128个字符的编码, 比如空格"SPACE"是32(二进制00100000), 大写的字母A是65(二进制01000001). 这128个符号(包括32个不能打印出来的控制符号), 只占用了一个字节的后面7位, 最前面的1位统一规定为0.1.2 非ASCII编码  英语用128个符号编码就够了, 但是用来表示其他语言, 128个符号是不够的. 比如, 在法语中, 字母上方有注音符号, 它就无法用ASCII码表示. 于是, 一些欧洲国家就决定, 利用字节中闲置的最高位编入新的符号. 比如, 法语中的é的编码为130(二进制10000010).这样一来, 这些欧洲国家使用的编码体系, 可以表示最多256 ...继续阅读 (152)

文章转载自:http://zhuoqiang.me/python-urllib2-usage.htmlPython 标准库中有很多实用的工具类，但是在具体使用时，标准库文档上对使用细节描述的并不清楚，比如 urllib2 这个 HTTP 客户端库。这里总结了一些 urllib2 的使用细节。Proxy 的设置Timeout 设置在 HTTP Request 中加入特定的 HeaderRedirectCookie使用 HTTP 的 PUT 和 DELETE 方法得到 HTTP 的返回码Debug LogProxy 的设置urllib2 默认会使用环境变量 http_proxy 来设置 HTTP Proxy。如果想在程序中明确控制 Proxy 而不受环境变量的影响，可以使用下面的方式import urllib2 enable_proxy = True proxy_handler = urllib2.ProxyHandler({"http" : 'http://some-proxy.com:8080'}) null_proxy_handler = urllib2.ProxyHandler({}) if enable_proxy: opener = urllib2.build_opener(proxy_handler) else: ...继续阅读 (27)

simhash是google用来处理海量文本去重的算法。 google出品，你懂的。 simhash最牛逼的一点就是将一个文档，最后转换成一个64位的字节，暂且称之为特征字，然后判断重复只需要判断他们的特征字的距离是不是<n（根据经验这个n一般取值为3），就可以判断两个文档是否相似。原理simhash值的生成图解如下大概花三分钟看懂这个图就差不多怎么实现这个simhash算法了。特别简单。谷歌出品嘛，简单实用。算法过程大概如下：将Doc进行关键词抽取(其中包括分词和计算权重)，抽取出n个(关键词，权重)对， 即图中的(feature, weight)们。 记为 feature_weight_pairs = [fw1, fw2 … fwn]，其中 fwn = (feature_n,weight_n`)。hash_weight_pairs = [ (hash(feature), weight) for feature, weight infeature_weight_pairs ] 生成图中的(hash,weight)们, 此时假设hash生成的位数bits_count = 6（如图）;然后对 hash_weight_pairs 进行位的纵向累加，如果该位是1，则+weight,如果是0，则-weight，最后生成bit ...继续阅读 (175)

    文章参考http://blog.chinaunix.net/uid-26575352-id-3245476.html1. leveldb简介    leveldb是google两位工程师实现的单机版k-v存储系统，具有以下几个特点    1. key和value都是任意的字节数组，支持内存和持久化存储    2. 数据都是按照key排序    3. 用户可以重写排序函数    4. 包含基本的数据操作接口，Put(key,value)，Get(key)，Delete(key)    5. 多操作可以当成一次原子操作    6. 用户可以通过生成snapshot，使得读取操作不受写操作影响，读取过程中看到最终数据一致性    7. 支持迭代器对数据的操作    8. 数据使用snappy自动压缩    9. 外部操作（如文件系统操作等）通过一个虚拟接口使用，用户可以对操作系统进行定制相应操作2. leveldb局限性    ...继续阅读 (46)

转载自: http://www.cnblogs.com/zhj5chengfeng/archive/2013/06/23/3150620.html本文是笔者使用 Ubuntu 操作系统写的第一篇文章！参考了红黑联盟的这篇文章：Ubuntu 12.04中文输入法的安装安装 Ubuntu 12.04 着实费力一番功夫，老是在用 Ubuntu 来引导 Windows，结果 Ubuntu 倒是能用，一进入 Windows 就蓝屏，于是又重装 Windows 好几遍...直到后来认识了 EasyBCD 我才走上正途... 我装的是英文版的 Ubuntu12.04，如果安装中文版，会自动安装中文输入法，这篇文章也是为了以后重装 Ubuntu 做一个准备废话不多说，进入正题： 第一步：安装语言包 进入 “System Settings”找到 “Language Support” 那一项，点击进入选择 “Install/Remove Languages”找到 “Chinese (simplified)” 那一项，把后面到勾打上然后点击 “Apply Changes”等待一段时间即可 第二步：安装 Ibus 框架 调出 terminal 终端，输入命令：sudo apt-get install ibus ibus-clutter ibus-gtk i ...继续阅读 (42)

文章转载自: http://www.renfei.org/blog/introduction-to-cpp-string.html1. 运算符重载a. + 和 +=: 连接字符串b. =: 字符串赋值c. >、>=、< 和 <=: 字符串比较（例如a < b, aa < ab）d. ==、!=: 比较字符串e. <<、>>: 输出、输入字符串注意：使用重载的运算符 + 时，必须保证前两个操作数至少有一个为 string 类型。例如，下面的写法是不合法的：#include#includeint main() { string str = "cat"; cout << "apple" + "boy" + str; // illegal! return 0; }2. 查找string str; cin >> str; str.find("ab");//返回字符串 ab 在 str 的位置 str.find("ab", 2);//在 str[2]~str[n-1] 范围内查找并返回字符串 ab 在 str 的位置 str.rfind("ab", 2);//在 str[0]~str[2] 范围内查找并返回字符串 ab 在 str 的位置 //first 系列函数 str.find_first_of("apple");//返回 apple 首次在 str 中出现的位 ...继续阅读 (21)

文章转载自: http://blog.csdn.net/monkey_d_meng/article/details/5901392C++中指针申请和释放内存通常采用的方式是new和delete。然而标准C++中还有一个强大的模版类就是auto_ptr，它可以在你不用的时候自动帮你释放内存。下面简单说一下用法。用法一： std::auto_ptrm_example(new T()); 用法二： std::auto_ptrm_example; m_example.reset(new T()); 用法三（指针的赋值操作）： std::auto_ptrm_example1(new T); std::auto_ptrm_example2(new T); m_example2=m_example1;则C++会把m_example所指向的内存回收，使m_example1 的值为NULL，所以在C++中，应绝对避免把auto_ptr放到容器中。即应避免下列代码：vector>m_example;当用算法对容器操作的时候，你很难避免STL内部对容器中的元素实现赋值传递，这样便会使容器中多个元素被置位NULL，而这不是我们想看到的,具体原因见为什么auto_ptr智能指针不能放在vector虽然，标准auto_ptr智能指针机制很多人都知道，但很少使用它。这真是个遗憾，因为auto_ptr优雅地解 ...继续阅读 (22)

文章转载自：http://www.ruanyifeng.com/blog/2010/06/ieee_floating-point_representation.html1.前几天，我在读一本C语言教材，有一道例题：#includevoid main(void){int num=9;/* num是整型变量，设为9 */float* pFloat=#/* pFloat表示num的内存地址，但是设为浮点数 */printf("num的值为：%d\n",num);/* 显示num的整型值 */printf("*pFloat的值为：%f\n",*pFloat);/* 显示num的浮点值 */*pFloat=9.0;/* 将num的值改为浮点数 */printf("num的值为：%d\n",num);/* 显示num的整型值 */printf("*pFloat的值为：%f\n",*pFloat);/* 显示num的浮点值 */}运行结果如下：num的值为：9*pFloat的值为：0.000000num的值为：1091567616*pFloat的值为：9.000000我很惊讶，num和*pFloat在内存中明明是同一个数，为什么浮点数和整数的解读结果会差别这么大？要理解这个结果，一定要搞懂浮点数在计算机内部的表示方法。我读了一些资料，下面就是我的笔记。2.在讨论浮点数之前，先看一下整数在 ...继续阅读 (14)

文章转载自：http://blog.jobbole.com/86371/一个有趣的实验本文从一个有趣而诡异的实验开始。最早这个例子博主是从Stackoverflow上的一个问题中看到的。为了提高可读性，博主这里做了改写，简化成了以下两段代码：#include#includeusing namespace std; int main() { const float x=1.1; const float z=1.123; float y=x; for(int j=0;j<90000000;j++) { y*=x; y/=z; y+=0.1f; y-=0.1f; } return 0; }#include#includeusing namespace std; int main() { const float x=1.1; const float z=1.123; float y=x; for(int j=0;j<90000000;j++) { y*=x; y/=z; y+=0; y-=0; } return 0; }上面两段代码的唯一差别就是 ...继续阅读 (19)

今天的算法题是关于 字符串的最小编辑距离问题求解。1. 什么是字符串编辑距离编辑距离（Edit Distance），又称Levenshtein距离，是指两个字串之间，由一个转成另一个所需的最少编辑操作次数。许可的编辑操作包括将一个字符替换成另一个字符，添加一个字符，删除一个字符。例如将kitten一字转成sitting：a. sitten （k→s）b. sittin （e→i）c. sitting （→g）俄罗斯科学家Vladimir Levenshtein在1965年提出这个概念。2. 字符串的最小编辑距离即要求 给定两个字符串A和B，使得用最小的编辑距离达到 A=B3. 求解两个字符串A和B的最小编辑距离，利用动态规划的思想。a. 假设状态dp[i][j] 表示的是字符串A的子串 A[0-i]和字符串B的子串B[0-j]的最小编辑距离，那么有如下几个结论i = 0，j = 0，dp[0][0] = 0，两个空串最小编辑距离为0i = 0，j > 0，dp[i][j] = j，字符串A的子串为空则编辑距离为字符串B的子串长度 ji > 0，j = 0，dp[i][j] = i，字符串B的子串为空则编辑距离为字符串A的子串长度 ii > 0，j > 0，A[i] = B[j]，dp[i][j] = dp[i-1][j-1]，字符串A的子串最后一个字符等于字符串B子串的最后一个字符 ...继续阅读 (18)

文章转载自：http://www.yangyanxing.com/?p=10791. requests介绍早就听说requests的库的强大，只是还没有接触，今天接触了一下，发现以前使用urllib，urllib2等方法真是太搓了……这里写些简单的使用初步作为一个记录一、安装python的requests模块，使用pip或easy_install都可以二、发送无参数的get请求r = requests.get('http://httpbin.org/get') print r.text { "args": {}, "headers": { "Accept": "*/*", "Accept-Encoding": "gzip, deflate", "Connection": "close", "Host": "httpbin.org", "User-Agent": "python-requests/2.3.0 CPython/2.6.6 Windows/7", "X-Request-Id": "8a28bbea-55cd-460b-bda3-f3427d66b700" }, "origin": "124.192.129.84", "url": "http://httpbin.org/get" }三、发送带参数的get请 ...继续阅读 (47)

文章转载自： http://blog.binux.me/2013/09/howto-crawl-web/1. HTTP协议WEB内容是通过HTTP协议传输的，实际上，任何的抓取行为都是在模拟浏览器的HTTP请求。那么，首先通过 http://zh.wikipedia.org/wiki/ 超文本传输协议 来对HTTP协议来进行初步的了解：* HTTP通常通过创建到服务器80端口的TCP连接进行通信* HTTP协议的内容包括请求方式（method）, url，header，body，通常以纯文本方式发送* HTTP返回内容包括状态码，header，body，通常以纯文本方式返回* header以及body间以CRLF(\r\n)分割由于富web应用越来越盛行，单纯的HTTP协议已经不能满足 -人类的欲望- 人们的需求了，websocket, spdy等越来越多的非HTTP协议信息传输手段被使用，但是目前看来，web的主要信息依旧承载于http协议。我们通过访问http://www.baidu.com/来查看一个正常的HTTP请求，浏览器的HTTP 请求部分如下所示:GET / HTTP/1.1Host: www.baidu.comConnection: keep-aliveAccept: text/html,application/xhtml+xml,application/xml;q ...继续阅读 (36)

声明：算法学习来自，7月算法，面试&算法&机器学习&找工作就上七月算法1. 今天学习的算法是 LCS，最长公共子序列，属于典型的动态规划基础题。十分钟搞定LCS 学习视频：http://julyedu.com/video/play/id/92. 实践代码：/* Algorithm LCS */ #include#include#include#include#includeusing namespace std; #define MAX 50 // Get LCS int GetLcs(int dp[][MAX], int path[][MAX], const string& strOne, const string& strTwo) { int strOneLength = strOne.length(); int strTwoLength = strTwo.length(); for (int i = 0; i < strOneLength; ++i) { dp[i][0] = 0; } for (int i = 0; i < strTwoLength; ++i) { dp[0][i] = 0; } for (int i = 0; i < strOneLength; ++i) { for (int j = 0; j < strTwoLength; ...继续阅读 (26)

题目：假设公司有30w人，每个人编号从1~30w。现在公司举办年会，要求随机10w个人出来做为中奖的员工。分析：30w人随机10w人，利用rand函数即可，但是考虑到随机数有可能重复，加个set去重即可。代码：#include#include#include#include#include#includeusing namespace std; #define MAX_NUM 300000 int main(int argc, char **argv) { int pos = 0; setset; srand((unsigned)time(NULL)); while (pos < 100000) { int rand_value = (int)MAX_NUM*(1.0*rand()/(RAND_MAX+1))+1; //get value 1~300000 if (set.find(rand_value) != set.end()) { continue; } set.insert(rand_value); ++pos; } } ...继续阅读 (23)

转载自: http://www.cnblogs.com/ngnetboy/archive/2012/11/23/2784078.html相信只要是程序猿都会知道rand()函数是用来取随机数的一个库函数，但是它出的结果真的是一组随机数吗？我们来看看这段代码运行的结果：1#include2#include3intmain(void)4{5intj;6for(j=0;j<5;j++)7{8printf("rand():%d\n",rand());9}10}linux下gcc每次运行结果如下：windows vc6.0每次运行结果如下：（本人windows系统为64位机）（由于编译器的不同，可能显示的结果也不同吧！）rand()函数不是随机的吗？怎么每次运行的结果都是一样的？其实计算机也不像人们想象的那么智能，它也是按照人们的思想来随机出数的。那么如何用rand()函数获取你想要的取值范围呢？其实rand()函数的取值范围在0~RAND_MAX之间；那么什么是RAND_MAX呢？linux下的RAND_MAX值为2147483647（二进制32位）windows下的RAND_MAX值为32767（二进制16位）由此可见RAND_MAX是根据编译器对int型分配的空间而定的；这种说法应该也是错的，因为我在windows下的vc中打印sizeof(int)的值之后竟然显示4，也就是说int在 ...继续阅读 (28)

转载自: http://python.jobbole.com/81215/本文中，我们将进行大量的编程——但在这之前，我们先介绍一下我们今天要解决的实例问题。1) 预测房子价格我们想预测特定房子的价值，预测依据是房屋面积。2) 预测下周哪个电视节目会有更多的观众闪电侠和绿箭侠是我最喜欢的电视节目。我想看看下周哪个节目会有更多的观众。3) 替换数据集中的缺失值我们经常要和带有缺失值的数据集打交道。这部分没有实战例子，不过我会教你怎么去用线性回归替换这些值。所以，让我们投入编程吧（马上）在动手之前，去把我以前的文章(Python Packages for Data Mining)中的程序包安装了是个好主意。1) 预测房子价格我们有下面的数据集：输入编号平方英尺价格11506450220074503250845043009450535011450640015450760018450步骤：在线性回归中，我们都知道必须在数据中找出一种线性关系，以使我们可以得到θ0和θ1。 我们的假设方程式如下所示：其中： hθ(x)是关于特定平方英尺的价格值（我们要预测的值），（意思是价格是平方英尺的线性函数）； θ0是一个常数； θ1是回归系数。那么现在开始编程：步骤1打开你最喜爱的文本编辑器，并命名为predict_house_price.py。 我们在我们的程序中要用到下面的包，所以把下面代码复制到p ...继续阅读 (55)

面试题目: 给定一个数n，求1*2*3*...*n 结果中末尾0的个数。1. 我们先看一个特殊的例子，假设n是100的情况下。根据题目的意思，我们需要求的是1*2*3*...*100的结果中末尾0的个数。回顾一下小学4年级的数学知识，一个数末尾加一个0，相当于乘上一个10。ok，假设有一个能够被10整除的数sum，那么sum = 10*N => 2*5*N。例如 50 = 10*5 = 2*5*5好了，通过上面，我们可以发现，10的个数是由2和5的个数，并且有 10的个数 = min(2的个数，5的个数)。好了，回到题目，假设1*2*3*...*100 的结果是sum，那么sum = 10*N => 2*5*N。根据上面的结论，实际上题目是要求结果中10的个数，即2和5的最小的个数。根据等式，1*2*3*4*...*100，可以发现4、6、8都包含2，因此2的个数比5来的多，因而10的个数决定于5的个数。2. 要怎么求5的个数呢？根据1~100这100个数，能够产生5的有5,10,15,20,25...95,100，并且如果数是5的次方，则包含多个5。因此1~100这100个数，总的5的个数 100/5+100/25 = 24. 因此1*2*3*...*100结果包含24个0扩展到n，1*2*3*...*n的结果中末尾包含0的个数，等价于 n/5 + n/25 + n/125 + ...继续阅读 (25)