八、降维 八、降维 很多机器学习的问题都会涉及到有着几千甚至数百万维的特征的训练实例。这不仅让训练过程变得非常缓慢，同时还很难找到一个很好的解，我们接下来就会遇到这种情况。这种问题通常被称为维数灾难（curse of dimentionality）。 幸运的是，在现实生活中我们经常可以极大的降低特征维度，将一个十分棘手的问题转变成一个可以较为容...

10.6. 求近义词和类比词 10.6.1. 使用预训练的词向量 10.6.2. 应用预训练词向量 10.6.2.1. 求近义词 10.6.2.2. 求类比词 10.6.3. 小结 10.6.4. 练习 10.6.5. 参考文献 10.6. 求近义词和类比词 在“word2vec的实现” 一节中，我们在小规模数据集上训练了一个word2...

六、概率PCA 6.1 参数求解 6.1.1 解析解 6.1.2 EM算法解 6.2 性质 6.3 因子分析 六、概率PCA 定义隐变量 ，它属于低维空间（也称作隐空间，即隐变量所在的空间）。假设 的先验分布为高斯分布： ，其均值为 ，协方差矩阵为 。 定义观测变量 ，它属于高维空间。假设条件概率分布 也是高斯分布： 。其...

模糊节点 输入 属性 输出 例子 模糊节点 此节点提供一些模糊模式，对图像进行模糊操作。 输入 图像 标准颜色输出。 尺寸 任意尺寸的输入图像将被乘以X和Y轴的模糊半径值。它也可以是一个值图像，用一个遮罩控制模糊半径。为取得最佳模糊效果，取值范围应在（0 到 1）之间。 属性 类型 不同的类型之间在控制尖锐边缘，平滑渐变过渡...

模糊节点 输入 属性 输出 示例 模糊节点 模糊节点。 此节点提供一些模糊模式，对图像进行模糊操作。 输入 图像 标准化图像输入。 尺寸 任意尺寸的输入图像将被乘以X和Y轴的模糊半径值。它也可以是一个值图像，用一个遮罩控制模糊半径。为取得最佳模糊效果，取值范围应在(0 到 1)之间。 属性 过滤类型 不同的类型之间在...

模糊节点 输入 属性 输出 示例 模糊节点 模糊节点。 此节点提供一些模糊模式，对图像进行模糊操作。 输入 图像 标准化图像输入。 尺寸 任意尺寸的输入图像将被乘以X和Y轴的模糊半径值。它也可以是一个值图像，用一个遮罩控制模糊半径。为取得最佳模糊效果，取值范围应在(0 到 1)之间。 属性 过滤类型 不同的类型之间在...

选择哪种渲染器 如何使用渲染器 使用 Canvas 或者 SVG 渲染 浏览器端图表库大多会选择 SVG 或者 Canvas 进行渲染。对于绘制图表来说，这两种技术往往是可替换的，效果相近。但是在一些场景中，他们的表现和能力又有一定差异。于是，对它们的选择取舍，就成为了一个一直存在的不易有标准答案的话题。 ECharts 从初始一直使用 Canv...

其他图形用户界面（GUI）包 其他图形用户界面（GUI）包 Python 可用的主要跨平台（Windows，Mac OS X，类Unix）GUI 工具： 参见 PyGObject PyGObject 使用 GObject 提供针对 C 库的内省绑定。 GTK+ 3 可视化部件集就是此类函数库中的一个。 GTK+ 附带的部件比 Tkinte...

外延丰富/有业务含义的术语翻译：直译、保留原文、词汇表 未决翻译 TODOLIST 外延丰富/有业务含义的术语翻译：直译、保留原文、词汇表 一些术语难翻的点可能有以下各个方面，比如： 具有宽泛的外延/内涵/比喻义/象征义/指代义（比如request/response，有时指一个HTTP层面的请求，有时指一个应用层级的请求，有时又特指一个请求对...

公用模块—common 公用模块—common 简介 ：本篇文章单数禅道的common模块。 common模块在禅道中是比较特殊的一个模块，禅道里面的众多公用功能都是由common来实现的。 common/control.php里面，提供了其他模块都有可能用到的一些方法。比如权限检查，菜单打印等功能。 common/view目录下面，则是提供了...