Rush Everyday | 今天Rush了没？

摘要： 原文网址：http://www.mdbbs.org/thread-28471-1-1.html这是我学习Perl时参照的一个方法，感觉很不错，和大家分享一下：学习方法 每个人都有不同的学习方法, 下面列举几个供参考如果 Perl 是你学的第一个编程语言，推荐先看一些编程基础，流程控制,逻辑和设计的知识. _大家有没有好的中文书籍介绍？_如果你学过其他语言，那就可以从学习 Perl 的语法开始[:http://www.oreilly.com.cn/book.php?bn=7-5083-1113-2 Perl语言入门]，或者是从 Perl 的自带文档。当你对 Perl 的语法了解后，尝试书中的例子 阅读全文

摘要： 1. 题目 2. 代码 1#-----------------------------------------------------------#2#Source:LearningPerl,chapter43#Date:2012-01-144#Author:xiaodongrush5#-----------------------------------------------------------#6#code-1#7#-----------------------------------------------------------#8$split="----------- 阅读全文

摘要： 1. 题目 2. 代码 1#-----------------------------------------------------------#2#Source:LearningPerl,chapter33#Date:2012-01-134#Author:xiaodongrush5#-----------------------------------------------------------#6#code-1#7#-----------------------------------------------------------#8$split="----------- 阅读全文

摘要： 1. 题目 2. 代码 1 #-----------------------------------------------------------# 2 # Source: Learning Perl, chapter2 3 # Date: 2012-01-12 4 # Author: xiaodongrush 5 #-----------------------------------------------------------# 6 # code-1 # 7 #---------... 阅读全文

摘要： 原文网址：http://www.cnblogs.com/suokun/archive/2011/07/06/2099657.html1. Movielens 电影评分数据 基本数据描述：包括以下三个数据集：a.943个用户对1682个电影的10万条评分b.6040个用户对3900个电影的1百万条评分c.71567个用户对10681个电影的1千万条评分http://www.grouplens.org/2. Book-Crossing 书籍评分数据 基本数据描述：包含了278,858个用户对271,379本书籍的1,149,780条评分。该数据集由Cai-Nicolas Ziegler 在20.. 阅读全文

摘要： 原文网址：http://blog.sciencenet.cn/home.php?mod=space&uid=248173&do=blog&id=227964【摘要】 - 生成模型：无穷样本==》概率密度模型 = 产生模型==》预测 - 判别模型：有限样本==》判别函数 = 预测模型==》预测【简介】简单的说，假设o是观察值，q是模型。如果对P(o|q)建模，就是Generative模型。其基本思想是首先建立样本的概率密度模型，再利用模型进行推理预测。要求已知样本无穷或尽可能的大限制。这种方法一般建立在统计力学和bayes理论的基础之上。如果对条件概率(后验概率) P(q 阅读全文

摘要： 原文网址：http://www.zhan5zhan.com/post/14.html什么是判别模型(Discriminative Model)和生成模型(Generative Model)？一个通俗易懂的解释判别模型和生成模型可以点击这里查看，这里我摘录如下： Let's say you have input data x and you want to classify the data into labels y. Agenerative model（生成模型）learns thejoint probability distribution（联合概率分布） p(x,y)and ad 阅读全文

摘要： 原文网址：http://hi.baidu.com/hehehehello/blog/item/2bc871c66a45c9059d163d94.html CRF(Conditional Random Field) 条件随机场是近几年自然语言处理领域常用的算法之一，常用于句法分析、命名实体识别、词性标注等。在我看来，CRF就像一个反向的隐马尔可夫模型(HMM)，两者都是用了马尔科夫链作为隐含变量的概率转移模型，只不过HMM使用隐含变量生成可观测状态，其生成概率有标注集统计得到，是一个生成模型；而CRF反过来通过可观测状态判别隐含变量，其概率亦通过标注集统计得来，是一个判别模型。由于两者模型主干相 阅读全文

摘要： 1. 简述 最近要应用CRF模型，进行序列识别。选用了CRF++工具包，具体来说是在VS2008的C#环境下，使用CRF++的windows版本。本文总结一下了解到的和CRF++工具包相关的信息。 参考资料是CRF++的官方网站：CRF++: Yet Another CRF toolkit，网上的很多关于CRF++的博文就是这篇文章的全部或者部分的翻译，本文也翻译了一些。2. 工具包下载 第一，版本选择，当前最新版本是2010-05-16日更新的CRF++ 0.54版本，不过这个版本以前我用过一次好像运行的时候存在一些问题，网上一些人也说有问题，所以这里用的是2009-05-06: CRF++ 阅读全文

摘要： 1. 题目 来自北邮论坛上的一个题目。 4个男人和一些女人一起被关在一个屋子里，然后又关进去一人，然后随机的取出一人，发现取出来的人是男人，问最后关进去的那个人是男人的概率。（假设男女比例很和谐，为1：1） tips：是一些女人，不是一个女人，也就是女人的个数是未知的2. 思路 男女比例1:1这说明，P(放男)=P(放女)=1/2。女人数量未知，这个可以用n代表。要求的是P(放男 | 取男)的概率。 根据时间顺序有先放一个人，后取一个人，计算取出的是男的的概率： P(取男) = P(放男) * P(取男 | 放男) + P(放女) * P(取男 | 放女) = 1/2 * 5/(n+5) + 阅读全文