08
07/2016
奇异值分解及其应用（转）
原作者：http://www.cnblogs.com/LeftNotEasy/archive/2011/01/19/svd-and-applications.html前言： 上一次写了关于PCA与LDA的文章，PCA的实现一般有两种，一种是用特征值分解去实现的，一种是用奇异值分解去实现的。在上篇文章中便是基于特征值分解的一种解释。特征值和奇异值在大部分人的印象中...
02
06/2016
R vs Python(转)
转自：https://www.datacamp.com/community/tutorials/r-or-python-for-data-analysis
10
05/2016
标注偏置问题（Label Bias Problem）（转）
路径1-1-1-1的概率：0.4*0.45*0.5=0.09路径2-2-2-2的概率:0.018路径1-2-1-2:0.06路径1-1-2-2:0.066由此可得最优路径为1-1-1-1而实际上，在上图中，状态1偏向于转移到状态2，而状态2总倾向于停留在状态2，这就是所谓的标注偏置问题，由于分支数不同，概率的分布不均衡，导致状态的转移存在不公平的情况。PS：标注偏置问题存在于最大熵马尔...
10
05/2016
判别式模型和产生式模型（转）
判别式模型（ discriminative
model ）产生式模型（ generative
model ） 特点寻找不同类别之间的最优分类面，反映的是异类数据之间的差异对后验概率建模，从统计的角度表示数据的分布情况，能够反映同类数据本身的相似度区别 ( 假定输入 x,类别标签 y)估计的是条...