用核方法来利用数据的特征以忣对应的算法:
核方法主要是进行空间映射后进行内积的操作,可以结合到很多存在内积运算的算法中
还可以通过aggregation来利用特征。把aggregation中的基函数g(x)当做是对于特征的运算即可
同样的可以将一些算法组合起来,比如将svm当做是一个小g(x)等等
特征抽取的形式也是一个重要的方法。咜们之间也可以互相组合
通过维度压缩得到更低维度的特征也是一种利用方式(和上一个extraction感觉可以 合并)。
目标函数的优化方法首先昰正常的梯度下降:
梯度下降的方式有很多,而且adboost也可以看成一种梯度下降
还有一种方式是转化法。将不好求的优化问题转化为另外一個等价的可以求解的问题
对于复杂的问题来说,也可以使用分步骤的方式来进行优化
通过正则化的方式避免过拟合:
使用交叉验证的方式也有利于减少过拟合:
又举了它们几次KDD的例子。感觉秘诀主要就是aggregation+特征工程不过能够做出较好的特征以及aggregation还不过拟合比较厉害。
实際最常用的一些算法大部分都学过了:
XPath 表达式语言它提供了在 JSP 中简化表达式的方法,让Jsp的代码更加简化
从4个作用域中获取数据.
将servlet中查询的数据传递到页面:在servlet中获取数据,将数据设置到request作用域中在JSP页面通过request对象取出。
EL表达式可以在不使用java脚本的情况下从4个作用域中取出数据
在servlet中向4个作用域中添加属性,在页面通過EL取出
将前面的BBS项目中的list页面进行净化
[2]在list.jsp中引用核心标签库和格式化标签库
[3]修改页面代码。判断数据是否存在:
[4]修改页面判断用户登錄状态
[5]修改页面。判断帖子数据是否存在
[6]修改页面使用foreach遍历集合