三天

歌曲的链接：http://orz.163.com/1212989646174.html

一个朋友的原创歌曲，写给那些在地震中失去父母的孩子们。

他写出来这首歌，我一直在鼓励他参加网易的征集《献给受灾孩子的歌》的活动，希望孩子们带着希望去面对以后的生活。

宝贝别害怕

歌词：

 睡吧 睡吧 我的宝贝微风轻轻的吹吹去那恐惧吹去那焦虑让一切的痛苦和灾难都离你而去 睡吧 睡吧 我的宝贝梦里静静的飞梦见了蓝天梦见了笑脸梦见那废墟里长出更美的家园 呜～啦啦 呜～啦啦闭上你疲倦的眼呜～啦啦 呜～啦啦亲亲你天真的脸 睡吧 睡吧 我的宝贝绽放生命的美嘴角含着笑安静别胡闹要坚强的面对这以后你知不知道 睡吧 睡吧 我的宝贝有爱把你包围爸爸和妈妈在身旁

上回说到对于文本分类这样的不适定问题（有一个以上解的问题称为不适定问题），需要有一个指标来衡量解决方案（即我们通过训练建立的分类模型）的好坏，而分类间隔是一个比较好的指标。

在进行文本分类的时候，我们可以让计算机这样来看待我们提供给它的训练样本，每一个样本由一个向量（就是那些文本特征所组成的向量）和一个标记（标示出这个样本属于哪个类别）组成。如下：

Di=(xi,yi)

xi就是文本向量（维数很高），yi就是分类标记。

在二元的线性分类中，这个

线性分类器(一定意义上,也可以叫做感知机) 是最简单也很有效的分类器形式.在一个线性分类器中,可以看到SVM形成的思路,并接触很多SVM的核心概念.

用一个二维空间里仅有两类样本的分类问题来举个小例子。如图所示

（一）SVM的八股简介

支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中[10]。
支持向量机方法是建立在统计学习理论的VC 维

记得之前有一个会叠衣服的机器人吗？
加州大学伯克利分校机器人实验室发明的。PR2 最厉害的是可以自己扫描并识别你乱扔成一坨的衣物，找到正确的对角，然后方方正正的折叠整齐。

现在，这个机器人又多了一项新技能，穿袜子！ cool！呃……当然，不是给自己穿袜子（这机器人并没有脚），而是如果放一个假肢在PR2 面前，他便能够将袜子正确的套在假肢上它其实是在叠袜子。同时，更妙的是PR2 还能区别袜子的正反里外，绝对不会给你穿错。