qq_35079378的博客

jdk安装帮助文档，通过文档深入了解java的编译环境，详细的资料

scala入门精华讲义，基本命令，详细实例。适合新手作为学习指南

tensorflow学习（北大人工智能tensorflow上课笔记+Tensorflow 实战Google深度学习框架）

java的poi技术读取excell所需的完整jar包,有最新版本，亲测好用

日志分析项目：包括集群搭建及代码实现

里面内容blogs实现源代码，欢迎学习数据的同学下载探讨，提出问题

北大tensorflow课程的用的ppt，助教的学习笔记。适合机器学习的入门

微信公众号开发-Java-代码类(网页授权 事件处理 jssdk分享 加密处理)

Xshell 是一个强大的安全终端模拟软件，它支持SSH1, SSH2, 以及Microsoft Windows 平台的TELNET 协议。Xshell 通过互联网

嵩天老师课件，网络爬虫。python项目爬虫实战与项目分析的合集。

本书前两部分主要探讨监督学习(superviscd learning)。在监督学习的过程中，我们只需要给定输人样本集，机器就可以从中推演出指定目标变量的可能结果。监督学习相对比较简单，机器只需从输入数据中预测合适的模型，并从中计算出目标变量的结果。 监督学习一般使用两种类型的目标变量:标称型和数值型。标称型目标变量的结果只在有限目标集中取值，如真与假、动物分类集合{爬行类、鱼类、哺乳类、两栖类、植物、真菌};数值型目标变量则可以从无限的数值集合中取值， 如0.100、42.001、 1000.743 等。数值型目标变量主要用于回归分析，将在本书的第部分研究， 第一部分主要介绍分类。 本书的前七章主要研究分类算法，第2章讲述最简单的分类算法: k-近邻算法，它使用距离矩阵进行分类:第3章引人了决策树，它比较直观，容易理解，但是相对难于实现ms第4章将讨论如何使用概率论建立分类器;第S章将讨论Logistic回归，如何使用最优参数正确地分类原始数据，在搜索最优参数的过程中，将使用几个经常用到的优化算法:第6章介绍了非常流行的支持向量机:第一部分最后的第7章将介绍元算法AdaBoost, 它由若干个分类器构成，此外还总结了第部分探讨的分类算法在实际使用中可能面对的非均衡分类问题，一旦训练样本某个分类的数据多于其他分类的数据，就会产生非均衡分类问题。