Archives

今天出门拜访客户，就听闻 Anthropic 整了个大活。回到家了先用 Claude Code + Claude Opus 4.6 快速分析一把 :)

我的博客也写写停停好多次了。说起来，从初中时用WordPress搭起来第一个博客，大部分时间可能都浪费在折腾博客系统本身上了，没怎么写出来有趣的东西。 最近三年大模型的发展真的很快，不管有没有人看，还是把博客重新拾起来吧，用输出的方式来倒逼输入。...

在 macOS High Sierra 上用 conda-forge 频道安装 Python 3 兼容的 OpenCV 3.4.1，以及解决 libintl.8.dylib 与 libx264.138.dylib 找不到的记录。

从不动点迭代法开始，系统梳理 Newton-Raphson 方法以及用牛顿法求函数极值点；并推广到多元函数的牛顿法与拟牛顿法（拟牛顿条件）。

线性可分 SVM、函数间隔与几何间隔、间隔最大化、对偶问题、合页损失函数，以及通过核技巧解决非线性分类问题的笔记。

从高中的拉格朗日乘数法出发，系统介绍带约束最优化问题中的拉格朗日对偶性：原始问题、广义拉格朗日函数、对偶问题及 KKT 条件。

logistic 分布与二项 logistic 回归的模型形式、极大似然估计求参，以及最大熵原理与最大熵模型，并指出其对偶函数极大化等价于极大似然估计。

决策树的特征选择（信息增益、信息增益比）、ID3 与 C4.5 生成算法、基于损失函数的剪枝流程，以及 CART 算法概述。

朴素贝叶斯法的条件独立性假设、后验概率最大化（等价于期望风险最小化）、极大似然估计，以及用贝叶斯估计（拉普拉斯平滑）处理零概率问题。

k 近邻法的基本分类算法、三要素（距离度量、k 值、分类决策规则）、Lp 距离的几种特例，以及最邻近与 kd 树数据结构简介。

感知机模型、线性可分、基于误分类点距离的损失函数、原始形式学习算法与对偶解法概述。

统计学习方法三要素（模型、策略、算法）、经验风险与结构风险、过拟合与正则化，以及分类、标注、回归问题的评价指标概述。

使用 TensorFlow 手写实现二分类逻辑回归的完整过程，包括 sigmoid 模型、交叉熵代价函数、训练循环以及数据可视化。

用 TensorFlow 实现线性回归的完整示例，包括数据准备、模型与 MSE 代价函数定义、以及梯度下降优化过程。

使用 TensorFlow 实现线性回归的简单实例，演示如何通过定义模型、代价函数与优化器，让框架自动完成 Back Propagation 过程。

TensorFlow 基础数据单元——张量（tensor）的定义，以及秩（rank）与形状（shape）的说明。

使用 conda 在同一台机器上管理多个 Python 版本（如 Python 2.7 与 3.6）的完整流程：搜索、安装到不同环境，然后在 Windows / macOS / Linux 下激活环境。

将 macOS 升级到 High Sierra 后，VIM 启动时提示缺少必要动态链接库（Image not found），通过调整 PATH 环境变量并重新 brew upgrade 成功解决。

安装 neovim 后 UI 显示为日文，通过设置 LANG=C 环境变量解决；顺便记录 LANG=C 的含义（使用 C 语言默认的 ASCII 编码）。

Ruby 中看似类似 JSON 的 Hash 字面量写法，实际上是 Symbol 类型键的语法糖——把冒号挪到后面并省略 =>。

介绍 Spring Data Rest 背后的 HATEOAS 协议规范与 HAL 数据格式：Resource 与 Link 的概念，以及带外键嵌入对象和带导航链接集合的典型样例。

介绍 Spring Data Rest 中几个常见问题的处理方式：如何 POST 带外键的对象、如何选择性地内联外键对象（projection / excerpt）、以及如何用一组 ID 一次性获取多个对象。

几道关于 JavaScript 的脑筋急转弯题目，涵盖 undefined 与未定义的区别、if 条件中的 falsy 值、以及 == 与 === 比较的差异。

通过在 web.xml 中注册 RepositoryRestDispatcherServlet，让 Spring Data Rest 拦截 /rest 地址提供数据访问接口的配置示例。

在 Hibernate 4.3.8.final 中，使用 @CreationTimestamp 与 @UpdateTimestamp 注解，并配合 @Temporal 实现实体创建与更新时间戳的自动生成。