minor clean up

_plugins/star_rating.filter.rb

@@ -0,0 +1,41 @@
+module StarRatingFilter
+
+	# Location of the star images from root of website
+	Star_imagesLoc = "/images"
+
+	# The format of the img tag used by % method
+	Star_imageTag = "<img src=\"#{Star_imagesLoc}/%s\" alt=\"%s\" />"
+
+	# Displays the rating as a series of stars
+	def star_rating(rating)
+
+		wholeStars = rating.floor
+		wholeStars += 1 if (rating - wholeStars > 0.5)
+
+		halfStar = (rating - wholeStars == 0.5 ? 1 : 0)
+		clearStars = 5 - (wholeStars + halfStar)
+
+		ratingAltText = "%.1f/5.0" % [rating]
+
+		htmlOutput = String.new
+		wholeStars.times do
+			htmlOutput += Star_imageTag % ["star_filled.png", "#{ratingAltText}"]
+			ratingAltText = ""
+		end
+
+		if (halfStar == 1)
+			htmlOutput += Star_imageTag % ["star_half.png", "#{ratingAltText}"]
+			ratingAltText = ""
+		end
+
+		clearStars.times do
+			htmlOutput += Star_imageTag % ["star_clear.png", "#{ratingAltText}"]
+			ratingAltText = ""
+		end
+
+		return htmlOutput
+	end
+
+end
+
+Liquid::Template.register_filter(StarRatingFilter)

_posts/2017-02-11-binaryclassifiers.markdown

@@ -16,7 +16,7 @@ summary: Áp dụng Logistic Regression vào một vài bài toán và mở rộ
 Cho tới bây giờ, ngoài _thuật toán lười_ [K-nearest neighbors](/2017/01/08/knn/), tôi đã giới thiệu với bạn đọc hai thuật toán cho các bài toán Classification: [Perceptron Learning Algorithm](/2017/01/21/perceptron/) và [Logistic Regression](/2017/01/27/logisticregression/). Hai thuật toán này được xếp vào loại Binary Classifiers vì chúng được xây dựng dựa trên ý tưởng về các bài toán classification với chỉ hai classes. Trong bài viết này, tôi sẽ cùng các bạn làm một vài ví dụ nhỏ về ứng dụng đơn giản (nhưng thú vị) của các binary classifiers, và cách mở rộng chúng để áp dụng cho các bài toán với nhiều classes (multi-class classification problems). 
 
 
-Vì Logistic Regression chỉ yêu cầu các classes là [_ nearly linearly separable_](/2017/01/21/perceptron/#bai-toan-perceptron) (tức có thể có vài điểm làm phá vỡ tính linear separability), tôi sẽ sử dụng Logistic Regression để đại diện cho các binary classifiers. _Chú ý rằng, có rất nhiều các thuật toán cho binary classification nữa mà tôi chưa giới thiệu. Tạm thời, với những gì đã viết, tôi chỉ sử dụng Logistic Regression cho các ví dụ với code mẫu. Các kỹ thuật trong bài viết này hoàn toàn có thể áp dụng cho các binary classifiers khác._
+Vì Logistic Regression chỉ yêu cầu các classes là [_nearly linearly separable_](/2017/01/21/perceptron/#bai-toan-perceptron) (tức có thể có vài điểm làm phá vỡ tính linear separability), tôi sẽ sử dụng Logistic Regression để đại diện cho các binary classifiers. _Chú ý rằng, có rất nhiều các thuật toán cho binary classification nữa mà tôi chưa giới thiệu. Tạm thời, với những gì đã viết, tôi chỉ sử dụng Logistic Regression cho các ví dụ với code mẫu. Các kỹ thuật trong bài viết này hoàn toàn có thể áp dụng cho các binary classifiers khác._
 
 
 **Trong trang này:**