Есть на свете матплата: http://www.asus.com/Motherboards/AMD_AM3/M4A89GTD_PROUSB3/#specifications - в ней есть 4 слота DDR3. В спеках к матери писано «до 16 Гб DDR3».

Есть в ней камушек: http://www.nix.ru/autocatalog/amd/CPU_AMD_Phenom_X6_1055T_HDT55TWF_6core_95_4... В спеках к процу — «до 32 Гб».

И есть у меня неудержимое желание поиметь 32 гига памяти, чтобы SQLAlchemy на локальном хосту работала пошустрее.

Будет ли работать 4x8Gb или 2х16Gb? Есть ли у кого соответствующий опыт?

Ситуация выглядит так:

inSoup = BeautifulSoup(«mega <b>uber</b> sotona»)

print inSoup.getText()

megaubersotona

Как бы мне это дело забороть, чтобы пробелы сохранялись?

Есть у меня некоторый классификатор, который выдаёт результаты в абстрактных попугаях. Мне нужно из них получить вероятность, подогнав эти попугаи функцией P(x). Посоветуйте хорошую функцию, ибо логистическая кривая мне подходит не весьма.

Собственно, P(X): непрерывна и монотонно возрастает P(-inf) --> 0 P(inf) --> 1 P(x-b) - 0.5 нечётная, где b - некий задаваемый параметр

Раньше я пользовался логистической кривой, однако практика показывает, что если она нормально подгоняет мои данные на линейном участке, то таки слишком быстро выходит к 0 или 1.

Выглядит это так: http://i48.fastpic.ru/big/2012/1125/9c/8257ae703912c1c0c658e2991fb5f89c.png

Арктангенс - наоборот, спадает немного слишком медленно. Нет ли чего ещё?

Перемещено post-factum из general

Есть у меня два случайных распределения распределение по параметру x. Есть у меня 2 два набора точек, лежащих на прямой OX, которые соответствуют реализациям этих распределений. Какая точка кому соответствует - тоже знаем.

Мы знаем эти два набора, а ещё знаем за то, что центр «облака 1» левее центра «облака 2». А самая правая точка «облака 1» заходит не более, чем на t правее относительно самой левой точки «облака 2». Чаще всего, что характерно, эти наборы вообще не пересекаются или пересечение крайне незначительны.

Как бы тут ловчее аппроксимировать вероятность, что новая неизвестная точка, лежащая на прямой, будет относиться к классу 1 / классу 2?

P.S. Ну и няша авансом, разумеется. http://www.heartbreakers.info/3303/abbywinters_amanda_k003.JPG

Нужно:

- массовая заливка

- автоматическая генерация кликабельных превьюшек

- чтобы при этой генерации юзался хоть какой-то анти-альясинг, иначе страшно.

Что есть на свете подходящего?

Шалом, православные! Нет ли у вас хорошей, кошерной книги по компьютерной лингвистике?

Интересует как построение парсеров по грамматикам, обработка естественного языка.

Шалом, православные!

У меня есть строка «0123456789». Я хочу удалить из неё [0:3], [4:5] и [-2:-1]. Как бы это сделать поудобнее, чтобы индексы не смещались? Есть ли что-то готовое?

Шалом, православные! У меня есть база гигов на 30, которую почти не требуется пополнять, зато требуется часто читать, причём часто - в режиме произвольного доступа. Я хочу перетащить это дело на SSD, ускорения для. Размер, думается, сойдёт 120-128 Gb.

Имею спросить: какой именно девайс покупать?

Есть ли на свете такой плагин?

А то просто Eclipse + PyDev даже попсовому виндовозному VisualAssist'у уступает, между нами говоря. Да и возможностей по автоматизированному рефакторингу там маловато.

Шалом, православные! Есть тонкий момент в LibLinear. При создании обучающей задачи можно использовать пополненное пространство, установив параметр bias, при котором то ли LibLinear будет считать, что я дописал в каждый фич-вектор по одной дополнительной фиче с одним и тем же весом, то ли мне надо самому дописать в каждый фич-вектор по одной такой фиче, чтобы всё работало корректно.

В манах говорят примерно так, но смутные сомнения мучают всё равно.

 
    struct problem describes the problem:

        struct problem
        {
            int l, n;
            int *y;
            struct feature_node **x;
            double bias;
        };

    where `l' is the number of training data. [b]If bias >= 0, we assume
    that one additional feature is added to the end of each data
    instance.[/b] `n' is the number of feature (including the bias feature
    if bias >= 0). `y' is an array containing the target values. And
    `x' is an array of pointers,
    each of which points to a sparse representation (array of feature_node) of one
    training vector.

    For example, if we have the following training data:

    LABEL       ATTR1   ATTR2   ATTR3   ATTR4   ATTR5
    -----       -----   -----   -----   -----   -----
    1           0       0.1     0.2     0       0
    2           0       0.1     0.3    -1.2     0
    1           0.4     0       0       0       0
    2           0       0.1     0       1.4     0.5
    3          -0.1    -0.2     0.1     1.1     0.1

    and bias = 1, then the components of problem are:

    l = 5
    n = 6

    y -> 1 2 1 2 3

    x -> [ ] -> (2,0.1) (3,0.2) (6,1) (-1,?)
         [ ] -> (2,0.1) (3,0.3) (4,-1.2) (6,1) (-1,?)
         [ ] -> (1,0.4) (6,1) (-1,?)
         [ ] -> (2,0.1) (4,1.4) (5,0.5) (6,1) (-1,?)
         [ ] -> (1,-0.1) (2,-0.2) (3,0.1) (4,1.1) (5,0.1) (6,1) (-1,?)[/i]

Таки как же всё-таки делать правильно?

Шалом, православные! Имею спросить за выделение URL в тексте, где они написаны примерно таким макаром:

ht hp yandex.ru и подобным. Возможно, существует какой-то волшебный регэкс, кусок кода, библиотечка под C++ или что-нибудь в этом духе?

Салам, правоверные! А не завалялось ли у кого ссылок на хорошие корпуса текстов, разбитые по тематикам, что-нибудь вроде RCV1 или Reuters-21578?

Чем больше - тем лучше. Чем понятнее разбитие по тематикам - тем, опять же, лучше: в том же RCV1 оно сделано весьма через пень-колоду.

Собственно, делаю я plt.pcolormesh(xMesh, yMesh, zMesh)

Мне показывают значение X и Y, которое на текущий момент под курсором. Как бы выводить ещё и Z?

Шалом, православные! Посоветуйте библиотеку для минимизации функций под С++. Желательно - под лицензией BSD.

Шалом, православные! Имею спросить за поддержку комплексных вычислений в OpenCL. Из коробки их вроде бы нет, но, говорят, соответствующих хедеров написано уже немало.

Сможет ли кто отсыпать самый что ни на есть подходящий?

У меня есть ядро, у которого есть два аргумента: здоровенный глобальный входной буфер и промежуточный локальный буфер (__local), в который копируются куски данных (примерно 10*256 байт) для их обработки.

В талмуде от Khronos'а пишут про async_work_group_copy, однако не вполне понятно, как её использовать.

Насколько я могу понять, её должны вызывать все workitem'ы и с одними и теми же аргументами, даже если они вызывают её и не одновременно, а система сама рассудит, какой кусок из заявленного должен откопировать конкретный WI. Затем нужно таким же макаром вызвать в каждом WI wait_group_events на тот event, что вернула async_work_group_copy, с тем, чтобы wait_group_events вернулся, когда все кусочки, подлежащие копированию, будут пересунуты.

Всё ли я правильно понял?

Шалом, православные!

Имею спросить, что есть в природе по сабжу?

Есть у меня n-мерное пространство (обычно n~50). Есть в нём три точки: O, A, B. Есть вектора OA и OB - оба нормированные, длины 1.

Есть угол fi<180 между векторами (находится из косинусной меры). То бишь, OB получается из OA поворотом его на угол fi в плоскости OAB.

А вот есть у меня угол psi < fi. Как бы мне получить вектор OC, сиречь OA, повёрнутый на psi в плоскости OAB?

Есть у меня два вектора в n-мерном пространстве. OA и OB.

Есть у меня между ними некоторый угол fi, вычисленный нехитро по косинусной мере.

А как бы мне найти такой вектор, который соответствует углу fi/2 , то бишь, проходящий между двумя этими векторами в плоскости OAB?

Есть у меня вектора признаков, в которых 99% элементов == 0 (в данном случае - количество конкретных слов в тексте). Надобно найти N наиболее похожих текстов в базе (база не слишком большая, перебрать все - таки да, можно).

Какую метрику использовать в таких случаях? Евклидова, подозреваю, далеко не лучший вариант.