随笔分类 -  Method n database

摘要：另类科学的核心技术是细胞自动机。乌尔姆（Stanislaw M. Ulam）和冯·诺伊曼（John von Neumann）为了研究机器人自我复制的可能性，在上个世纪50年代提出一种叫做细胞自动机(Cellular Automaton)的离散型动力系统（Discrete Dynamical Syst... 阅读全文

摘要：Clustering coefficient的定义有两种；全局的和局部的。全局的算法基于triplet。首先解释triplet。triplet 包含 open triplet 和 closed triplet 两种（A triplet is three nodes that are connecte... 阅读全文

摘要：Association rule mining 是数据挖掘中最活跃的研究方法之一，可以用来发现事情之间的联系，最早是为了发现超市交易数据库中不同的商品之间的关系。这里有一则沃尔玛超市的趣闻。沃尔玛曾今对数据仓库中一年多的原始交易数据进行了详细的分析，发现与尿布一起被购买最多的商品竟然是啤酒。借助数据仓库和关联规则，发现了这个隐藏在背后的事实：美国的妇女经常会嘱咐丈夫下班后为孩子买尿布，而30%~40%的丈夫在买完尿布之后又要顺便购买自己爱喝的啤酒。根据这个发现，沃尔玛调整了货架的位置，把尿布和啤酒放在一起销售，大大增加了销量。这里借用一个引例来介绍关联规则挖掘[1]。 表1 某超市的交易数据库 阅读全文

摘要：最大后验估计是根据经验数据获得对难以观察的量的点估计。与最大似然估计类似，但是最大的不同时，最大后验估计的融入了要估计量的先验分布在其中。故最大后验估计可以看做规则化的最大似然估计。 首先，我们回顾上篇文章中的最大似然估计，假设x为独立同分布的采样，θ为模型参数,f为我们所使用的模型。那么最大似然估计可以表示为： 现在，假设θ的先验分布为g。通过贝叶斯理论，对于θ的后验分布如下式所示： 最后验分布的目标为： 注：最大后验估计可以看做贝叶斯估计的一种特定形式。 举例来说： 假设有五个袋子，各袋中都有无限量的饼干(樱桃口味或柠檬口味)，已知五个袋子中两种口味的比例分别是 樱桃 1... 阅读全文

摘要：最大似然估计提供了一种给定观察数据来评估模型参数的方法，即：“模型已定，参数未知”。简单而言，假设我们要统计全国人口的身高，首先假设这个身高服从服从正态分布，但是该分布的均值与方差未知。我们没有人力与物力去统计全国每个人的身高，但是可以通过采样，获取部分人的身高，然后通过最大似然估计来获取上述假设中的正态分布的均值与方差。 最大似然估计中采样需满足一个很重要的假设，就是所有的采样都是独立同分布的。下面我们具体描述一下最大似然估计： 首先，假设为独立同分布的采样，θ为模型参数,f为我们所使用的模型，遵循我们上述的独立同分布假设。参数为θ的模型f产生上述采样可表示为 回到上面的“模型已定，参数未知 阅读全文

摘要：通常，我们会遇到很多问题无法用分析的方法来求得精确解，例如由于式子特别，真的解不出来；一般遇到这种情况，人们经常会采用一些方法去得到近似解（越逼近精确解越好，当然如果一个近似算法与精确解的接近程度能够通过一个式子来衡量或者有上下界，那么这种近似算法比较好，因为人们可以知道接近程度，换个说法，一般一个近似算法被提出后，人们通常都会去考察或寻求刻划近似程度的式子）。本文要谈的随机模拟就是一类近似求解的方法，这种方法非常的牛逼哦，它的诞生虽然最早可以追溯到18xx年法国数学家蒲松的投针问题（用模拟的方法来求解\pi的问题），但是真正的大规模应用还是被用来解决二战时候美国佬生产原子弹所碰到的各种难以解 阅读全文

摘要：Alice 和Bob是好朋友，但是他们离得比较远，每天都是通过电话了解对方那天作了什么。Bob仅仅对三种活动感兴趣：公园散步，购物以及清理房间。他选择做什么事情只凭当天天气。Alice对于Bob所住的地方的天气情况并不了解，但是知道总的趋势。在Bob告诉Alice每天所做的事情基础上，Alice想要猜测Bob所在地的天气情况。Alice认为天气的运行就像一个马尔可夫链。其有两个状态 “雨”和”晴”，但是无法直接观察它们，也就是说，它们对于Alice是隐藏的。每天，Bob有一定的概率进行下列活动：“散步”，“购物”， 或 “清理”。 因为Bob会告诉Alice他的活动，所以这些活动就是Alice 阅读全文