Perl 2008年のファイルオープン - てっく煮ブログ
perl第1回 Perlの文法の基本：ITpro という記事の はてブコメントを見ていたら、Perl なすごい人達が文句言ってた。 otsune 2006年のhyuki Catalyst記事を載せるのもアレなのに2003年の記事を載せるのは無しだろ……open IN, ...のあたりは有害情報なので全力で見逃せ TAKESAKO ちょｗ→出典：日経Linux 2003年7月号 125ページより miyagawa 2008年にこの記事はねーよ、と思ったら2003年の記事をいまさら再掲か。なんでわざわざ古い記事を新しいものかのように出して混乱させる？問題があるというソースコードはこんなの。 open IN, '; えー！ どこが問題あるのかさっぱり分からん！！！！！！調べてみた2008年流の Perl な書き方を調べるなら perl-users.jp。早速見つけた。oldtype と mode
Web::Scraper を XML::LibXML で爆速にする hack! - woremacxの日記
id:miyagawa さんの Web::Scraper で、HTML::TreeBuilder::XPath の代わりに XML::LibXML を使うととても幸せになれそうなので実験してます。XML::LibXML に手を出す前に IRC で「tinyxpath とか htmlcxx とか使って xpath 周りを高速にしたい」とかボヤいてことがありました。そのときに、id:vkgtaro さんや id:tomyhero さんに激しく libxml や XML::LibXML をオススメされました。libxml をオススメしてもらえてなかったら、確実に路頭に迷ってました。以下が、変更したファイルと差分です。http://pub.woremacx.com/Web-Scraper/Scraper.pmhttp://pub.woremacx.com/Web-Scraper/Web-Scrap
B<CGI::Carp> - HTTPD（またはその他）にエラーログを書込むためのCGIルーチン
[pod] [xml] 名前 CGI::Carp - HTTPD（またはその他）にエラーログを書込むためのCGIルーチン 概要 use CGI::Carp; croak "We're outta here!"; confess "It was my fault: $!"; carp "It was your fault!"; warn "I'm confused"; die "I'm dying.\n"; use CGI::Carp qw(cluck); cluck "I wouldn't do that if I were you"; use CGI::Carp qw(fatalsToBrowser); die "Fatal error messages are now sent to browser"; 説明 CGIスクリプトはタイムスタンプもされず完全に識別もされないエラーログに
HTML::Template - CGI スクリプトから HTML テンプレートを使うための Perl モジュール - perldoc.jp
First you make a template - this is just a normal HTML file with a few extra tags, the simplest being <TMPL_VAR> For example, test.tmpl: 最初にテンプレートを作ります - これは <TMPL_VAR> のようにとても簡単な、 2・3 の特殊なタグが入った普通の HTML ファイルです。 例えば、 test.tmpl: <html> <head><title>Test Template</title> <body> My Home Directory is <TMPL_VAR NAME=HOME> <p> My Path is set to <TMPL_VAR NAME=PATH> </body> </html>
サポートベクターマシン - Wikipedia
サポートベクターマシン（英: support-vector machine, SVM）は、教師あり学習を用いるパターン認識モデルの1つである。分類や回帰へ適用できる。1963年にウラジミール・ヴァプニク（英語版）とAlexey Ya. Chervonenkisが線形サポートベクターマシンを発表し[1]、1992年にBernhard E. Boser、Isabelle M. Guyon、ウラジミール・ヴァプニクが非線形へと拡張した。 サポートベクターマシンは、現在知られている手法の中でも認識性能が優れた学習モデルの1つである。サポートベクターマシンが優れた認識性能を発揮することができる理由は、未学習データに対して高い識別性能を得るための工夫があるためである。 基本的な考え方[編集] サポートベクターマシンは、線形入力素子を利用して2クラスのパターン識別器を構成する手法である。訓練サンプルから
古本買取 姫路市｜古本買取 みのり書房
古本買取 姫路市 等 周辺地域で実施中！ こんにちは、みのり書房です。 古本業を30年ほどさしていただいております。 只今、古本等の買取をしております。 姫路市 等他、 周辺地域にて無料査定・無料出張で行っております。 買取対象商品(参考) 人文、民俗、社会学、思想、哲学、 美術、陶芸、書道、絵画、版画、工芸、写真、建築、 日本史、世界史、郷土史、宗教、仏教、易学、 数学、物理等の理系の本等、 戦記、鉄道、船舶、航空、機械、自動車、音楽、バンドスコア、映画、武道、 囲碁、将棋 絶版漫画、絵本、児童書、料理 茶道、華道、 和本、古地図、戦前絵葉書、 古いパンフレット、古い紙物の資料等、戦前・戦中の新聞、等々。。 買取できないもの 百科辞典 等 お見せしていただけないととわからないことが多く、 種類が多すぎて、説明しきれませんが、 よろしければ、お気軽にお電話・メール等ご連絡頂ければ、 ご相談
k近傍法 - Wikipedia
k近傍法（ケイきんぼうほう、英: k-nearest neighbor algorithm, k-NN）は、入力との類似度が高い上位 k 個の学習データで多数決/平均するアルゴリズムである[1]。 パターン認識（分類・回帰）でよく使われる。最近傍探索問題の一つ。k近傍法は、インスタンスに基づく学習の一種であり、怠惰学習 の一種である。その関数は局所的な近似に過ぎず、全ての計算は分類時まで後回しにされる。また、回帰分析にも使われる。 概要[編集] k近傍法は以下の手順からなる： 入力と全学習データとの類似度（距離）測定 類似度上位 k 個の選出 選出されたデータの多数決あるいは平均 すなわち「入力とよく似た k 個のデータで多数決/平均する」単純なアルゴリズムである[1]。 例えば環境（気温/湿度/風速）から天気（雨/曇り/晴れ）を予測する分類問題を考える。k=5 のk近傍分類では、過去10
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
