在解释 机器学习 的基本概念的时候，我发现自己总是回到有限的几幅图中。以下是我认为最有启发性的条目列表。 1. Test and training error: 为什么低训练误差并不总是一件好的事情呢：

如果每次加载同一张图片都要从网络获取，那代价实在太大了。所以同一张图片只要从网络获取一次就够了，然后在本地缓存起来，之后加载同一张图片时就 从缓存中加载就可以了。 从内存缓存读取图片是最快的，但是因为Android对每个应用所能使用的内存容量都有限制，所以最好再加上文件缓存。文件缓存空间也不是无限大的，容量越大读取效率越低，这个很好理解，从沙漠中找出丢失的一根针和从盘子中找到一根针，哪个容易一想即知。因此我们常设置一个限定大小比如10M。

本文针对在Node.js关键的两个概念：非阻塞IO和事件循环进行了适当的总结。 学习和使用Node.js已经有两个月，使用express结合mongoose写了一个web应用和一套RESTful web

，只需要直接下一载一个 zip4j_1.3.1.jar一个jar包即可，同时可以下载官网提供的例子进行学习，例子相当详细（官网提供的例子的jdk 为1.4的版本 导入后需要修改一下） 官网提供的例子程序比较简单与小巧

PESTT是一个Eclipse插件用于学习和设计Java单元测试。当PESTT支持基于control flow graph (CFG)方法的单元测试。它能够基于源代码生成CFG。允许在生成的CFG与源代码有双向链接。

原文出处： Lucida （@peng_gong） 关于 严格来说，本文题目应该是 我的数据结构和算法学习之路 ，但这个写法实在太绕口——况且CS中的算法往往暗指数据结构和算法（例如 算法导论 指的实际上是

该项目是一个入门套件提供基于浏览器的游戏来教授Python编程。它提供了一个Rich代码编辑器和一个HTML5游戏画布。

这是一本你可能2小时就能看完的小书，但是涵盖了基本所有函数式编程的内容，还包含了一些 ECMAScript 6 定义的函数式新特性, 如箭头函数, 模式匹配等等. 还会介绍函数式一些重要概念在 JavaScript是如何实现即应用, 以及如何以函数式的思想编写 JavaScript 代码.

摘要 : 前几天meta-guide.com列出了100个深度学习的源代码项目，但其中大部分都不活跃。这里我们精选出18个最活跃的项目，每个都制作了信息卡片，一目了然，方便比较和转贴。 ... 前几天meta-guide

本文将Objective-C讨论了语言的核心语法。这部分开始详述一些具体的语法。正如你期待的一样，涉及到了定义和类。

Discriminant 线性判别分析/Fisher线性判别)，EL(Ensemble Learning集成学习Boosting，Bagging，Stacking)，AdaBoost(Adaptive Boosting

在机器学习和数据挖掘中，我们经常需要知道个体间差异的大小，进而评价个体的相似性和类别。最常见的是数据分析中的相关分析，数据挖掘中的分类和聚 类算法，如 K 最近邻（KNN）和 K 均值（K-Means

Kaggle比赛源代码和讨论的收集整理。

用于搜索, 探索, 和审查代码. 我们参加GopherCon India 来分享我们是怎样使用 Go 并学习别人是怎样使用它的, 对配合liveblog的这次讨论我们深感荣幸. 作为Go团队的开发者之一

整理JavaScript方面的一些技巧，比较实用的函数，常见功能实现方法，仅作参考

板和速度是最值得赞赏的。其代码被非常好地维护着，结构也简单易懂，可以作为一个非常好的C语言项目进行学习。项目主页: http://sourceforge.net/projects/cjson/ 4. CMockery

JAVA核心技术总结 J2EE技术总结 工作和学习总结 大数据相关技术总结 来自： http://pigpdong.github.io/hdfs/2014/05/08/Zongjie/

iOSBlogCN 添加或者订阅 从社区学习知识 iOS技术周报 objc中国 cocoachina Swift社区 从iOS面试题总结 iOS有用的面试题 建议－学习iOS之前快速预览一下 MAC开发环境配置

工作中用到了Web Service，但是对这块不是很熟悉，决定花时间学习一下，现在记录一下最基本的入门知识点。 使用Java搭建Web Service服务端，使用Python脚本调用接口。

逻辑回归（Logistic Regression）是机器学习中的一种分类模型，由于算法的简单和高效，在实际中应用非常广泛。本文作为美团机器学习InAction系列中的一篇，主要关注逻辑回归算法的数学模