这两天和学院的两个很好的老师交流了一下保研方向事宜。

这一节的内容已经有点让人消化不了了..所以准备整理完笔记去把课程Notes打印下来推几遍，过几天再更新后面的内容。

本文核心算法根据[美]Peter Harrington著《Machine Learning in Action(中文版译作“机器学习实战”)》整理。

本讲主要涉及的知识点有：线性回归/梯度下降/正规方程组。

本内容整理自《斯坦福大学公开课：机器学习》，讲师为Andrew Ng。

整理一下老师所提到的几位数据库领域的杰出贡献者

运动捕捉的数据有许多格式，包括C3D、ASF/AMC、BVH、TRC、FBX等。

这篇博文主要记录：在复习过程中，自己或别人碰到的一些小问题。

• 为什么要使用索引呢？

稍厚的图书都会有自己的目录，能够便于读者快速定位关键信息所在的位置。类似地，索引的使用也是为了加快DBMS对数据的检索速度。

大多数数据查询操作，都是对数据表中的很小一部分数据进行查询。通常，如果待查询的数据量占到了全表的10%以上，我们就可以采用全表扫描的方法进行数据检索。相反，查找一小部分信息的时候，索引的作用就不言而喻了。

本文内容在数据库的课程中有所涉及。由于教材上的相关内容介绍十分简略，因此这里将笔记和其他参考书的详细内容加以解释和整理。