数据挖掘之经典算法 1 决策树算法 机器学习中，决策树是一个预测模型；它代表的是对象属性值与对象值之间的一种映射关系。树中每个节点表示某个对象，每个分叉路径则代表的某个可能的属性值，而每个叶结点则对应具有上述属性值

马式距离较之于欧式距离的优点 优点：马氏距离不受量纲的影响，两点之间的马氏距离与原始数据的测量单位无关。由标准化数据和中心化数据(即原始数据与均值之差）计算出的二点之间的马氏距离相同。马氏距离还可以排除变量之间的相关性的干扰。

福布斯近日撰文称，如今，自动驾驶成了媒体的固定话题，仿佛各家厂商都铆足了干劲，用户很快就能坐着它们“征服”全世界一样，但事实上这只是一个假象，想买到没有方向盘和刹车的车辆，恐怕还得等很久。 大家都

在已故公司创始人史蒂夫·乔布斯 (Steve Jobs) 的眼中，Apple Park 应该成为硅谷的创意与合作中心。在数千名工人的努力下，建筑单位将这块本来被沥青和砂石覆盖的地方，变成了绿色植物的天堂。园区种植了超过

日，去哪儿的公司股东在一场特别大会上通过了私有化收购协议。协议规定在协议生效前立即取消公司所有已发行的普通股（A股和B股），来换取每股 10.13 美元的持有权，以及立即取消公司所有已发行的美国存托股（ADS）（每 1

带入中国的公司。它现在还好吗？你在艾泽拉斯的朋友们现在还好吗？ 第九城市的往事和新闻 2004 年 12 月，第九城市（以下简称：九城）正式在美国纳斯达克挂牌价交易。在此之前，九城已经成功运营

匈牙利命名法，骆驼命名法，帕斯卡命名法，C#命名规范 一、匈牙利(Hungarian)命名法： 广泛应用于象Microsoft Windows这样的环境中。Windows 编程中用到的变量(还包括宏

21 日微软在印度班加罗尔市举办编程马拉松大赛“Windows AppFest ”顺利创造新的世界吉尼斯纪录，这项世界记录是“同一地点，最多人参与的软件开发马拉松”，共有 2567 名开发者不停的编程 18

微软最新发布了一款 Windows 主题《奥斯汀植物园》，包含 18 张精美壁纸，适用于 Windows 7 和 Windows 8/8.1。 在美国德克萨斯州奥斯汀市的中心附近的一个园艺绿洲 Zilker

51 年历史的标志性建筑。虽然这项活动听起来似乎显得庄严肃穆，但是平井一夫却在现场带头吹起了萨克斯，演奏着曲调欢快的乐曲。 该建筑被拆除后将会重新规划，建造银座索尼园区，新建筑将是一个对外开放的音乐会及其他活动场所。

搜狗发布“宙斯盾”：突破 12306 最新限制 9 月 13 日消息，针对整点抢票限制被攻破之后，昨日 8 点开始新一轮 12306 的“强制踢出用户，或进入白屏”的限制让抢票软件大战再次升级，目前搜狗率先宣布，已解决

大会上，也是史蒂夫·乔布斯重返苹果没多久的时候，他举行了一个开放式问答的环节（详见视频）。这是一个了不起的举措，展现了乔布斯在即兴演讲方面的天赋。更重要的是，乔布斯清晰的解释了他的理念和策略，正确的预测了在

能在很短的时间里用如今的开发工具复制出15年前一个不错的程序员开发出的东西。 模仿 摩尔定律 和 Proebsting定律 (这个不像是预言，更像是挑唆)，我要给出的定律是：程序员的开发效率每6年提高一倍。

日消息，《福布斯》网站日前发布了一篇名为《苹果得当心了，小米正进军国际市场》（Apple, Be Afraid: China's Xiaomi Going Global）的文章，该文章分析了小米的运营和扩张模

年度图灵奖得主：英国计算机科学家、万维网（World Wide Web）的发明者、MIT 和牛津大学教授蒂姆 · 伯纳斯 - 李爵士。 伯纳斯 - 李爵士发明了万维网、第一个浏览器，允许万维网扩展的基础协议和算法，

尽管已经是个很老的故事，但现在大家都已经习惯和接受了“iPhone 不支持 Flash”这个事实。作为 Flash 技术的持有者，Adobe 称苹果此举是“反竞争”，而后者回应称“Flash 会带来性能和安全上的噩梦”。2010

计算机展览”，游客可以在这里看到过去 20 年的苹果产品和科技进步，从 1976 年至 1999 年。 这里将展出一台曾经在乔布斯办公室使用的 Apple 1 原型机。博物馆的执行主管 Lāth

决策树是用于分类和预测的主要技术之一，决策树学习是以实例为基础的归纳学习算法，它着眼于从一组无次序、无规则的实例中 推理出以决策树表示的分类规则。构造决策树的目的是找出属性和类别间的关系，用它来预

cnblogs.com/xdp-gacl/p/5161206.html 在上篇《 微信开发学习总结（二）——微信开发入门 》我们介绍了微信公众平台的基本原理，如何接入微信公众号，如何保持acc

新的研究成果，被称为Deep Speech2。Deep Speech通过使用一个单一的学习算法具备准确识别英语和汉语的能力。其成果已经发表在相关论文中： Deep Speech 2: End-to-End