写在迷宫的话

1. 奶酪越重要，你就越想留住它。
2. 如果不再恐惧，你会做什么。
3. 经常嗅一嗅奶酪，你才会知道，它是否新鲜
4. 朝着新的方向出发，你才会发现新的奶酪
5. 当你克服了恐惧，你才会感到轻松和自在
6. 想象自己正在享用奶酪，这样可以帮助你找到新的奶酪
7. 越快放弃旧的奶酪，这样你就越早接触新的奶酪
8. 在迷宫中搜寻总比停留在没有奶酪的地方好
9. 及早注意细小变化，才会有助于你适应将来的大变化

本传为梁启超所写。

讲如何做炒米茶。

讲如何做清蒸鳕鱼。

讲如何制作黄油饼干。

我想后面要做到每周好好评价至少一部电影。本文讲一讲少林足球这部电影。

1. 下载文件

1
2
3
4

wget http://igraph.org/nightly/get/c/igraph-0.7.1.tar.gz
wget http://igraph.org/nightly/get/python/python-igraph-0.7.0.tar.gz
tar xzf igraph-0.7.1.tar.gz
tar xzf python-igraph-0.7.0.tar.gz

1
2
3
4
5

cd igraph-0.7.1
./configure
make
sudo make install
sudo ldconfig

这样把igraph的c依赖装好了。接着准备装Python的依赖。
注意那个ldconfig是用来解决下面找不到so文件的。

2.编译setup.py安装

1
2
3

cd ../python-igraph-0.7.0
python setup.py build
sudo python setup.py

这样不出意外会出错，需要下面两个都解决才行

3. add LD_LIBRARY_PATH for .so files

export LD_LIBRARY_PATH=/usr/local/lib

注意要加到.bashrc文件里。

4. 安装lxml2

sudo apt-get install libxml2-dev

libxml2 is the runtime shared library, suitable for running already-compiled programs that use that library. If you want to compile programs that use libxml2, you need to install libxml2-dev.

This is true for most library packages on ubuntu (and debian, mint, etc. RH and others have similar conventions) - libfoo is the runtime shared library, libfoo-dev contains the development headers and .a archive

For libz, the package is zlib1g-dev

BTW, python-igraph 0.6.5-1 is packaged for debian - are you sure it’s not also pre-packaged for ubuntu? If it is, you’re much better off installing the ubuntu packa

因为我们是朋友，所以你可以使用我的文字，但请注明出处：http://alwa.info

1. 介绍

本文主要介绍Javascript时间格式，以及如何传送这种时间格式数据到Java后台。Java端时间格式为timestamp。

1. 介绍

本文主要介绍react-datetime框架，一个可以方便选择日期时间的一个前端React框架。

1. 定义

example我们要分类的数据，一般会是特征集合
feature：特征，表示每一项某个属性
numeric valu：连续数据
nominal or categorical value：表示label或者class。
classification：把example数据对应一个nominal value
regression：把example数据对应到一个numeric value
training set：已知目标值的数据，用来训练
validation set：已知目标值的数据，用来检验训练集的效果
test set：未知目标值的数据。需要做预测
neighbors：在特征空间中，训练集的某个example和测试集的某个相近
overfitting：训练的模型不仅仅学习了相关训练集特征而且还适应了无关特征
separable：相似的类会形成聚类在特征空间。
quantizing：把连续的值分割成相标签

参考

[1] Machine Learning Algorithm Comparisons

因为我们是朋友，所以你可以使用我的文字，但请注明出处：http://alwa.info