Kids's Zone-Create Graph

用flash寫的小工具，操作簡單易懂，
畫完的圖可以存成PNG, PDF, JPG, EMF(Word支援的格式), SVG, EPS, SVG。
也可將完成品的網址，e-maill給自己做留存用，以供日後修改(30天內無更新或觀看，會被系統刪除)。

牛刀小試產生一個曲線圖。

下面這個作法，似乎比較適合大量檔案被誤刪或分割區毀損的狀況，
因為 reiserfsck --rebuild-tree  這個指令可能有破壞性。
所以做之前，能備分就先備分吧。
(我就是為了救幾個誤刪的檔案，用了這個指令，雖然檔案救回來了，
但原本正常的檔案，有不少毀損了，大部分都是文字的設定檔。)

1.先利用 mount -l 找到要救回檔案的分割區是哪一塊，
/dev/sda4 on /home type reiserfs (rw) []
如要救回/home下的檔案， 我的/home 分割區是/dev/sda4

2.
umount /home

3.
reiserfsck --rebuild-tree -S -l /root/recover.log /dev/sda4
這個指令可能會花上不少時間。

4.
mount /home

完成後，到/home/lost+found/ 找救回來的檔案吧.
/root/recover.log 則可檢查recover過程的記錄。

reference:
http://forums.gentoo.tw/viewtopic.php?t=43464&sid=0d6141dda4d3abb8e3281658df3afba1
http://plog.longwin.com.tw/news-unix/2007/01/11/linux_reiserfs_recovery_2007

原理是先把wordpress database 從mysql dump出來，
然後將之轉成utf8之後，再塞回去database。

1.把wordpress database dump出來
mysqldump -u [database user] -p [wordpress database] > wp.sql
(不知道為什麼，我從phpmyadmin export出來的檔案，中文部分仍是latin1的亂碼。
但是在linux下用上述指令dump出來的檔案，就自動轉成utf8編碼了)

2.利用字串取代的方式，將wp.sql中的latin1全都置換成 utf8
我是利用vim來做字串替換, 指令如下:
:0,$s/latin1/utf8/g

3.將原本的wordpress database更名(或移除)，開新一個wordpress database,
並將collation設為utf8_general_ci

4.再來在/etc/mysql/my.cnf 的 [mysqld] 區塊中，(這裡感謝godwalking指點)
檢查是否有 init_connect='SET NAMES utf8' 這行指令，沒有便加上。

5.利用phpmyadmin import的方式，把wp.sql塞回去wordpress database，
或利用指令 mysqldump -u [database user] -p [wordpress database] < wp.sql
便大功告成了，如此wordpress database的中文就是正常的utf8編碼了。

reference:
完整紀錄 wordpress 資料庫編碼 從 latin1 到 utf8 過程
用 mysqldump 備份還原 WordPress

在IR(Information retrieve)領域中常常可看到False Dismissal及False Alarm這兩個詞。
我懷疑它們是從統計學上抄過來的用語...XD

我的理解是這樣，
假設我們有一個會偵測小偷入侵的防盜警鈴，
最佳的狀況下，只要剛好有小偷入侵，警鈴被會嗡嗡作響。
然而世界上總沒有完美，警鈴剛好也是....XD
有時候有小偷入侵，它卻不響； (有答案，卻沒找著)
有時候沒小偷入侵(可能是地震或貓狗打架)，它卻響了； (找到了，卻不是答案)
上述第一種狀況就叫False Dismissal
第二種狀況就叫False Alarm

在統計學中假設檢定的篇章，有著名的型一誤差(Type 1 error)及型二誤差(Type 2 error)
Type 1 error(又稱α error): 虛無假設H0為真，結論卻拒絕虛無假設H0
Type 2 error(又稱β error): 虛無假設H0為假，結論卻接受*虛無假設H0
* 我的統計老師說，統計人比較謙虛，所以用不拒絕，而不用接受, 但是為舉例方便，這裡還是用接受, 而且我也不是統計人~~ XD

若我們把H0 類比為 沒小偷入侵
結論拒絕H0 類比為 響鈴(因為它以為小偷入侵)
結論接受H0 類比為 不響鈴(因為它以為小偷沒入侵)

此時我們可以發現
Type 1 error = 沒小偷入侵，響鈴 
Type 2 error = 小偷入侵， 不響鈴

所以
Type 1 error  是不是很像False Alarm 呀~
Type 2 error  是不是很像False Dismissal 呀~

寫到一半，本來直覺想把Type 1 error rate(α) 和 Type 2 error rate(β) 也與Recall和Precision扯上關係.
(但查證後，這直覺是錯的~ 卻讓我意外找到下面的關聯.. XD)

在wiki上查了一下Recall和Precision的定義，看到下表時

才猛然想到沈錳坤教授在Data Mining課堂上提到Recall和Precision時，
也是用差不多形式的表來教的，因為Recall和Precision的公式如下:

當時看到這表格時，在課堂上還忍不住舉手問老師這是不是統計量檢定的α和β，不過大家都沒反應...XD
今天果然在Wiki上看到下面字樣..
false positives and false negatives (see also Type I and type II errors)
於是再用google search一下keyword: false positives type error，結果一堆pages啊~~ 果然我在課堂上的直覺是對的..
(只是隔了一學期才驗證，實在是很不用功~~ orz)

疑..
那麼整理一下，它們之間的關係應該如下:
False Alarm = Type 1 error = False Positives (找到的，卻不是答案)
False Dismissal = Type 2 error = False Negatives (有答案，卻沒找到)

但是左邊的等號還沒找到證據..

記得在統計上α + β =1 , 所以Type 1 error 和 Type 2 error是trade off,
在上IR時，記得Precision和Recall也是trade off,
直覺上，左邊的等號應該也是成立地(加上我前面舉的例子)..

所以用google search一下keyword: false dismissal false alarm type error, 結果又不出所料!!!
左邊的等號的確成立~~
所以下面的關係是正確地~~ 只是不同領域，用的詞彙不同~~
False Alarm = Type 1 error(α error) = False Positives (找到的，卻不是答案)
False Dismissal = Type 2 error(β error) = False Negatives (有答案，卻沒找到)

最後我們再看一下Recall和Precision 與False Dismissal和False Alarm的關係.
回顧Recall和Precision的公式:

我們會發現Recall 和 Precision唯一有差異的地方是在分母的右因子，前者是False Negatives;後者則是False Positives。
也就是
Recall 與 False Negatives(= False Dismissal) 成負相關;
Precision 與 False Positives (= False Alarm) 成負相關;

所以
Recall-oriented的search，就會希望 no False Dismissal.
Precision-oriented的search, 就會希望 no False Alarm.

Crowdsourcing這一詞，用work2.0來比喻是最好不過的了,
簡單說就是idea及產品外包給群眾生產的一種經營模式。
最早由Jeff Howe，於2006年六月，
在Wired 雜誌發表的文章"The Rise of Crowdsourcing"中誕生。
(決戰21點的劇本，最早也是發表在這雜誌唷~)

(MMdays有將這篇文章作翻譯
群眾外包(Crowdsourcing)浪潮的興起(一) - 專家的新挑戰
群眾外包(Crowdsourcing)浪潮的興起(二) - 電視製作人的新節目
群眾外包(Crowdsourcing)浪潮的興起(三) - 愛修機器的業餘人士
群眾外包(Crowdsourcing)浪潮的興起(四) - 群眾力量
)

Jeff Howe並將持續觀察到的現象，寫在他的blog上，且目前已經整理成八個篇章，將於今年七月出版成書。Amazon上則是寫8月26日上市。

crowdsourcing跟web2.0一樣抽象, 有招看似無招, 精神很簡單，但創意多不可數，直接看看連結中的案例，
就會了解什麼是crowdsourcing了...

Reference:
小小研究員的學習之路--Web 2.0 + Open Source = Crowdsourced Software？
Mr6. --寒武紀-點子工廠
clchung's sharesphere -- Crowdsourcing 社群外包
[book]維基經濟學
當先生的實驗室 -- Microstock線上圖庫交易平台
眾包（Crowdsourcing）：由web2.0開創work2.0
Mr6. --史上最大的「Crowdsourcing」