【认识现实，就是绘制地图】
通向事实的道路并不平坦，我们出生时，并不是带着地图来到世界的。为在人生旅途上顺利行进，我们需要绘制地图，为此显然要付出努力。我们的努力越大，对事实的认识越清楚，地图的准确性就越高。相当多的人却对认识事实缺乏兴趣。有的人过了青春期，就放弃了绘制地图。他们原有的地图窄小、模糊、粗略，对世界的认识狭隘而偏激。大多数人过了中年，就自认为地图完美无缺，世界观没有任何瑕疵，甚至自以为神圣不可侵犯，对于新的信息和资讯，他们也没有多少兴趣，似已疲惫不堪。只有极少数幸运者能继续努力，他们不停地探索、扩大和更新自己对于世界的认识，直到生命终结。
------------------------------------------------------------------------------------------------------------------------------------
作者：NothingSame
链接：https://www.zhihu.com/question/20988355/answer/25296836
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
CSDN讲师：July
这人讲遍了《算法导论》上几乎所有算法。不擅长编程，但是能够深入浅出地讲明白。
------------------------------------------------------------------------------------------------------------------------------------
柳文扬作品集：http://www.kanunu8.com/files/writer/6562.html
经典：一日囚
论文
怎样写英文审稿意见：http://blog.sciencenet.cn/blog-692836-928133.html
审一篇SCI稿件，整个人都不好了（续）：http://blog.sciencenet.cn/blog-827932-928107.html
------------------------------------------------------------------------------------------------------------------------------------
Anaconda+Keras
Kerqas中文教程：http://keras-cn.readthedocs.io/en/latest/getting_started/keras_windows/
----------------------------------------------------------重要问题------------------------------------------------------------
统计学习的核心步骤：模型、策略、算法，应当对logistic、SVM、决策树、KNN及各种聚类方法有深刻的理解。能够随手写出这些算法的核心递归步的伪代码以及他们优化的函数表达式和对偶问题形式。 统计学习方法概论：模型、策略、方法是什么、几张图说清楚机器学习
算法方面：应当深刻理解常用的优化方法：梯度下降、牛顿法、各种随机搜索算法（基因、蚁群等等），要知道梯度下降是用平面来逼近局部，牛顿法是用曲面逼近局部等等。 共轭梯度法
KNN对应的KD树、如何给图结构设计数据结构？k近邻法与kd树
----------------------------------------------------机器学习工程师职位------------------------------------------------------
我面试过5-6家互联网公司的数据挖掘和分析、机器学习相关职位的工程师。被问到下面一些问题。
SVM的原理，SVM里面的核
K-means，如何用hadoop实现k-means
naive bayes和logistic regression的区别
LDA的原理和推导
做广告点击率预测，用哪些数据什么算法
推荐系统的算法中最近邻和矩阵分解各自适用场景
用户流失率预测怎么做（游戏公司的数据挖掘都喜欢问这个）
一个游戏的设计过程中该收集什么数据
如何从登陆日志中挖掘尽可能多的信息
牛客经验
http://www.nowcoder.com/discuss/3196?type=0&order=0&pos=12&page=2
数据挖掘、机器学习笔试题
机器学习十大算法核心思想、工作原理、适用情况及优缺点
http://www.xuebuyuan.com/2127455.html
http://www.cnblogs.com/elaron/p/3325937.html
http://blog.sina.com.cn/s/blog_78a4bd490101g2v5.html
http://www.36dsj.com/archives/24060
http://blog.csdn.net/ndjk454164628/article/details/36932907
Caffe（一个非常流行的linux深度学习框架）
《推荐系统实战》、《模式识别与机器学习》、《集体智慧编程》
《算法导论》绝对是本好书。另外就是建议读一读运筹学，因为很多算法问题其实是运筹学讲得更好，推荐图灵数学系列的《运筹学导论》，有两册。数据挖掘初期推荐机械工业出版社的《数据挖掘 概念与技术》。
-----------------------------------------------python、机器学习、数据挖掘-------------------------------------------------
networkx使用笔记(四)之实战篇--数据的获取：含XML、GML等
Booklist：统计学、数据库和机器学习
《利用python进行数据分析》
《深入浅出SQL》
《数据视觉化展示 技巧》
《正则表达式必知必会》
《R语言实战》
利用Python进行Web开发，有很多框架可以使用，如Django、Bottle、Tornado。
(2).数据挖掘工程师需要理解主流机器学习算法的原理和应用。
需要熟悉至少一门编程语言如（Python、C、C++、Java、Delphi等）。
需要理解数据库原理，能够熟练操作至少一种数据库（Mysql、SQL、DB2、Oracle等），能够明白MapReduce的原理操作以及熟练使用Hadoop系列工具更好。
经典图书推荐：《数据挖掘概念与技术》、《机器学习实战》、《人工智能及其应用》、《数据库系统概论》、《算法导论》、《Web数据挖掘》、《 Python标准库》、《thinking in Java》、《Thinking in C++》、《数据结构》等。
互联网数据挖掘工程师一般都会要求高一点。实践上，首先要知道Hadoop，并行数据处理，互联网公司由于成本考虑，以及数据量大，都会优先考虑Hadoop，spark这些开源大数据软件。所以并行数据处理基本来说是属于敲门砖了，最少你要懂这些原理吧，自己搭过运行过。
其次，编程语言总要会一点，Python是最简单的了，我现在日常工作就是用这个。
另外Linux，shell这些，每天都要打交道，不用很熟，基本操作总要会的。 算法方面，理论是肯定需要的。虽然有很多软件，包可以离线计算，但你也要把离线计算的参数部署到系统上的，原理不懂，怎么知道怎么部署。再高大上一点就是自己写在线的来计算。算法原理，什么lr,决策树，关联，svd这些最简单的，到gbdt,em,lda可以逐步深入。答主也是这样一步一步过来的，以前也是在传统行业。每天没事做就看看公开课，看看别人的博客和论文。
pip install networkx==1.9.1
------------------------------------------------origin--------------------------------------------------
Origin线性拟合：Analysis → Fitting → Fitting Linear → Open Dialog
origin的几个使用技巧：1.怎么求非自然数为底的幂函数：Origin中的自然数的幂函数很容易，用EXP函数就可以了，但是其它幂函数没有，例如：将一列数据转变为以10为底，数列为幂指数，用10^col(A)就可以了。
去掉legend中某个条目的小边框：右键display control，去掉indicate activite dataset。
origin图去除边部空白的方法
Tools->Options->Page->Copy Page Setting->Margin->Tight in Page
如此，copy page粘贴到word中后不用每次修改和裁剪边界。
找到原始数据：双击曲线，进入plot detail，点击下面的worksheet或者workbook，就能得到原始数据的表格了
将多个表格导入origin：
首先，导入数据绝对不是你那种复制粘贴，太麻烦了。
另外，不知道你用的是哪个版本的Origin？ 7.0？ 7.5？ 8.0或更高的版本？
如果你用的是 Origin8.0或更高的版本，那么导入数据，可以点击Origin菜单栏上的 File —— Import —— Multiple ASCII ，在弹出的对话框里找到你要导入的数据文件，按住Ctrl 全选了，点击 Add Files，OK。
在弹出的对话框里，找到 Import Mode，选择 Start New Columns，这样就可以将所有数据以新增列的方式整合到一张表里了
如何调整Origin图像页面边距过大
如何调整Origin图像页面边距过大 - 1、“Tools”菜单-“Options”选项，或者直接按 ctrl+U 快捷键。
2、在弹出的面板中选择“Page”标签，在“Copy Page settings”下面有个“Margin”，默认是Page。从后面的下拉菜单中选择“Border”，这时可以看到下面的 Clip Border 后面的值可以自定义了。将其设置为0，确定即可。
3、这时Origin会询问是否将刚才的更改作为软件启动时是默认设置，点OK即可。
PS. 投稿时，若提交word文档，系统自动转为PDF格式时，默认边距好像是5，若设为0，则自动生成的PDF中图是不完整的。投稿时的亲身经历！！当时那个头大啊！好不容易才找到原因的
origin双对数坐标系下的线性拟合：双击拟合线，有个地方要勾上——fit options->apparent fit
origin添加新的一列后自动赋值（数列）：
col(A)={dBegin:dStep:dEnd}
4. origin多个图合并在一个图中，1）直接复制。2）layer图层工具添加新图层，右键layer content选中相应数据
--------------------------------------------------工具-----------------------------------------------------
The VMware Authorization Service is not runnin
win10如何进入bios win10无法进入bios怎么办
让sublime支持带input()的python程序运行
1.首先安装包管理器，按ctrl+`,打开sublime的console：输入
import urllib2,os; pf='Package Control.sublime-package'; ipp=sublime.installed_packages_path(); os.makedirs(ipp) if not os.path.exists(ipp) else None; urllib2.install_opener(urllib2.build_opener(urllib2.ProxyHandler()));open(os.path.join(ipp,pf),'wb').write(urllib2.urlopen('http://sublime.wbond.net/'+pf.replace(' ','%20')).read()); print('Please restart Sublime Text to finish installation')
2.ctrl+shift+p,调出包管理器:输入install package
3.输入sublimeREPL，点击安装
4.点击tool,找到sublimeREPL,然后选择python
5.在弹出的页面中编写代码，或者执行execfile(filepath)即可