其他

註： 開發管理 CheckLists-系列文章是從本人   Iteye部落格中移植過來.後續會直接在此更新     開發管理 CheckLists   專欄一、準備好項目的技術         這一塊是最後總要點哦，如果這一塊選擇失誤會對項目的進度造成致命的影響.         1、要進行技術調研,尤其對於採用了陌生的新技術的項目。對於技術型項目，此過程尤其重要。              方案選取：根據業務需求提出幾套方案。 技術人員容易犯：業界的新技術，新架構就是最好的這樣的錯誤。    

註： 哲理故事與管理之道-系列文章是從本人   Iteye部落格中移植過來.後續會直接在此更新    http://jlins.iteye.com/故事一：看不到目標比死還可怕            一位軍閥每次處死犯人時，都會讓犯人選擇：一槍斃命或是選擇從牆上的另一個黑洞進去，命運未知，所有的犯人都寧可選擇一槍斃命也不願意進入那個不知道裡面有什麼東西的黑洞。         

Flexigrid中會出現列選擇的小黑箭頭，有時挺討厭，想去掉。發現沒有控制的地方，於是自己加。在flexigrid.js中增加在定義中增加p = $.extend({ //apply default propertiesheight: 200, //default heightwidth: 'auto', //auto widthstriped: true, //apply odd even stripesnovstripe: false,minwidth: 30, //min width

上會寫的Flexigrid折行顯示時，擷取值有問題，報錯。getRows: function(){//add by jejvar rtnList = new Array();var objRows = $('.trSelected', $(t));if(objRows!=null){for(var i=0;i<objRows.length;i++){ var row = objRows[i]; var rowMap = new Object(); for(var j=0;j<row.

1：一共有N個人臉，每個人臉按照像素從左至右，從上到下，計算出來每個人臉的相像素個數M，則形成人臉矩陣M*N，接著對這個矩陣每行的值減去均值形成新的矩陣，然後對這個矩陣求它的共變數矩陣，繼續對共變數矩陣求前m個值最大的特徵向量（特徵向量是M*1的），然後形成Feature

升級了IE10，發現flexigrid無法顯示資料，提示擷取到了資料，但沒任何報錯任何顯示。如下。跟蹤代碼，發現內部是產生了td,tr和要顯示的資料，但沒有顯示出來。經過實驗和跟蹤，修改如下。在addData中修改$(t).append(tbody);為$(t).append('<table cellpadding=0 cellspacing=0>'+tbody.outerHTML + '</table>');這樣資料就能正常顯示了。

註： 開發管理 CheckLists-系列文章是從本人   Iteye部落格中移植過來.後續會直接在此更新     開發管理 CheckLists   專欄接著上篇 "估算故事"講，故事估算完成以後就要開始考慮如何進行驗收測試了，只有驗收通過故事才算開發完成.對於一個故事，開發人員和客戶可能會討論很多，討論的內容可以以測試案例的形式記錄下來，這樣就為我們故事測試做了鋪墊，目前敏捷開發中測試大約有如下2個步驟    

註： 開發管理 CheckLists-系列文章是從本人   Iteye部落格中移植過來.後續會直接在此更新     開發管理 CheckLists   專欄本文主要是為了檢測你對SCRUM的瞭解和使用程度,通過本文你可以檢測一下     1、你們的SCRUM項目中各個角色是否合格，    2、SCRUM上面需要的會議是否有遺留,會議過程是否正確    3、項目的輸出是否正確.一、SCRUM 職能：       1、產品所有者            (1)、定義所有產品功能           (

註： 開發管理 CheckLists-系列文章是從本人   Iteye部落格中移植過來.後續會直接在此更新     開發管理 CheckLists   專欄本文主要是為了檢測你對SCRUM 全員會議的瞭解和使用程度,通過本文你可以檢測一下    1、你們的SCRUM 全員會議的過程和步驟    2、SCRUM 全員會議的輸出結果 一、會議目的     組成團隊，培養團隊士氣，瞭解項目背景二、會議時間     控制在2個小時以內三、會議準備        1、會議有明確的目標       

由於學習需要，讀研兩年來基本基本沒再接觸過線代、機率統計、高數這些知識了，最近由於學習需要，才把線代的大學本科時候用的書前後花費了2周左右給複習完了。複習完之後發現只是勾起了一些當年的印象，並不咋深入，有些課後習題還是不會做。導致看一些paper的時候遇到個公式還要思考大半天才反應過來，果斷覺得重新再來一遍，本來這種東西年代久遠沒再複習一遍也就不夠用。 第二次就沒再按照課本一章一章的來，下載了一個學校內網上有的一個考研的線代的視頻，清華大學的我看是03年考研時候的吧，老師講的還不錯，第一章開始就

局部加權緊接著上面的線性迴歸中參數求解來繼續講吧。還是以上面的房屋價格的預測，它的中心思想是在對參數進行求解的過程中，每個樣本對當前參數值的影響是有不一樣的權重的。比如上節中我們的迴歸方程為（這個地方用矩陣的方法來表示Ɵ表示參數，i表示第i個樣本，h為在Ɵ參數下的預測值）： 我們的目標是讓 最小，然後求出來Ɵ，再代入h中就可以得到迴歸方程了。 但是如果類似以下的樣本，他們的對應圖如下：如果用之前的方法，圖中線為求出的迴歸方程，那麼在x的取值和真實差別很大，這個情況叫做欠擬合。那麼我們怎麼辦呢？我

註： 開發管理 CheckLists-系列文章是從本人   Iteye部落格中移植過來.後續會直接在此更新     開發管理 CheckLists   專欄本文主要是為了檢測你對SCRUM 評估會議的瞭解和使用程度,通過本文你可以檢測一下     1、你們的SCRUM 評估會議的過程和步驟    2、SCRUM 評估的輸出結果一、會議目的      1.  確定 Backlog 中各項的大小.     2.  確定團隊在一個Sprint中能夠完成多少工作。      3. 

PCA是一種對高維度資料進行降維的一種方法，為了能夠瞭解PCA的具體過程，一些數學知識，比如：期望，標準差，方差，共變數，特徵值，特徵向量等都是必須瞭解的。不過不要怕，我這裡先一個一個來介紹下這些概念。PCA是一種常用的統計方法，什麼是統計分析的過程？就是用樣本資料的特徵去代表整體資料特徵，而統計就是來分析這個樣本資料的特徵（為什麼要這樣來做？而不是把全部資料拿來分析呢？因為全部資料量太大）1：概念介紹Ø 

 在開始之前簡單介紹一下：小龍服務於一家叫做xx的軟體公司,在裡面是一個Team Dev的PL,直接領導是老徐。          小龍的Team Dev總共有七人,一個最佳的ScrumTeam Dev人數         PL     ： 小龍         成員   ： 賓哥  紅姐(MM) 小美女(MM) 排骨(MM) 小梅(MM) 小梁(MM)          呵呵,看到性別後大家都傻眼了吧,七個人的團隊中有五個MM!這可是事實!是不是有些羨慕呀.   新的開始        

在使用IE中，特別在目前div+css的方式，往往不定義div的高度，這是在添加div內容後，需要擷取div的高度時，往往需要用到offsetHeight。在使用中，有時會碰到offsetHeight擷取到為0的現象，但如果你用各種JS調試工具調試，又能在對象中看到值（如果直接指向offsetHeight是沒值的，但如果是對象查看是有值的，在調試器中斷行符號查看對象就已經重新整理對象了，所以有值。）比如下面片段<!DOCTYPE html PUBLIC "-//W3C//DTD

今天開始讀統計學習方法，昨天看到關於聯合機率分布和條件機率分布竟然忘記完了，上午看了下，下午接著繼續閱讀，看了12頁，即將看到正則化合交叉檢驗來避免過擬合的現象。我現在合上課本把我能能想到的也就是印象最深的複習下吧沒做個備忘：1：統計學習三要素：模型、策略和演算法。模型分兩種條件機率的形式另外一個是決策函數，因為是監督學習最終是為了預測，所以個人感覺就是找到一個合適的數學運算式可以用來做後續的預測；策略就是如何按照什麼樣子的思想來約束這個運算式，讓運算式更為準確的預測。這個上面遇到幾個概念我覺得

前天晚上一朋友請教我這個問題，之前覺得這個問題很簡單，沒坐過實踐，當晚幫他搞，結果按照網上給的文檔來做也是搞不定，今天早上上完課沒啥事，就找來資料再看了一下，終於搞定，記錄下步驟：1：開啟apache的url_rewrite模組，也就是在httpd.conf中去掉這句話的注釋LoadModule rewrite_module modules/mod_rewrite.so2：找到AllowOverride，把AllowOverride None修改成AllowOverride

老闆最新給我的工作就是看看k-svd的東西，對於svd其實都學過，概念很簡單。由於矩陣分解也就特徵值和奇異值這兩種所以一起拿來學習了下做個備忘和補充1：特徵值分解比如AX=lamudaX。這種的含義其實是A對x長度的變化，長度變化量就是lamuda2：奇異值分解中A=UEV'，做個簡單變換AV=UE，其實A對V做的不僅有長度的變化還有方向的變化，對應的方向在U中，長度是E中的對應分量我對於這兩種分解的最大體會也就是在這裡了。對於EVD（特徵值分解）和SVD（奇異值分解）這兩種分解的應用範圍1：E

正確率、召回率和F值是在魚龍混雜的環境中，選出目標的重要評價指標，本文就針對這三個指標得瑟得瑟。        不妨看看這些指標的定義先：正確率 = 正確識別的個體總數 /  識別出的個體總數召回率 = 正確識別的個體總數 /  測試集中存在的個體總數F值  = 正確率 * 召回率 * 2 / (正確率 + 召回率)       

      近來有一同事(以前在別的公司工作過好幾年)試用期剛滿兩個月就被要求捲鋪蓋走人了，理由跟男女朋友分手的理由一樣：不合適。當那位同事說出“不合適”時，一臉的不愉快、無奈，估計還在琢磨這“不合適”裡面的豐富含義，又或者在不停挖掘著自己哪裡“不合適”。但估計他不會想到這個“不合適”卻是他常常說的“我明白”惹的禍。      態度很重要。領導找談話，每句話還沒有說到一半，就一個“我明白”讓領導把後面的話吞到肚子裡，但執行的時候卻是按個人意願行事的；布置任務時，還沒聽到一半就猛地點頭“我明白”，