摘要： 维基百科的对似然函数的解释非常清楚细致： http://zh.wikipedia.org/zh-hans/似然函数 如果万一维基百科中文也被强了，还有这个，一样的： http://longmans1985.blog.163.com/blog/static/706054752011223211638/... 阅读全文

摘要： 由于概率论在模式识别中占有举足轻重的位置，所以这章就专门讲一讲几个典型的概率分布和它们的性质。另外还涉及一些简单的统计学概念。 概率分布就是给p(x)建立模型，又称为密度估计（density estimation）。说到底也就是个建模，所以每一个模型都是不适定的，模型也有无限多可能性，选取合适的模型... 阅读全文

摘要： 信息论初步。 越少出现的事件其包含的信息量越大，用h(x)表示， h(x)需满足性质：h(x,y)=h(x)+h(y)，x,y是两个不相关事件。 由此可以对h(x)建立模型：h(x)=-log2p(x)。 如果要把本地的随机发生的事件传到另一个地方，需要传输的平均信息量为： 这个H[x]也叫做熵。... 阅读全文

摘要： 从指定文件地址读取文件到一个string中，并解决中文乱码问题： using System.IO;StreamReader reader = new StreamReader("D:/Resource/Taobao.txt",System.Text.Encoding.Default); ... 阅读全文

摘要： 经过之前的章节，我们应该可以做到通过训练数据训练后，给一个新的x，得到结果t的可能概率分布，比如通过一张新的x片得出这个人得癌症的概率分布如何，不得癌症的分布如何，然后做出最可能的选择决策。这章开始引入分类的概念，将所得结果分类，即所谓的决策。（既然已经知道概率了，选大的不就完了么？） 1.5.1 ... 阅读全文

摘要： 多项式拟合只有一个输入变量x，在实际中会有n多变量的情况，就想高维度问题那样，本节大致描述如何处理这些问题。 可以降维处理，比如一张图片，本来有x,y两个输入变量，你可以把这张图片切成n多个小图片，给每个小图片一个标号，这样输入变量就变成1个了。这样做的缺点是从高维向低维降的时候，数据规模会指数型的... 阅读全文

摘要： 用C#的XmlDocument加载xml文件时，如果xml文件中有中文可能会报错。 我碰到的情况是因为编码问题造成的，解决方法： 修改XML头部为： 更多的解决方法： http://social.msdn.microsoft.com/Forums/zh-CN/vbasiczhchs/thread/4... 阅读全文

摘要： 从多项式匹配那里就初见端倪，如果模型太复杂会出现over-fitting，如果模型太简单则匹配的又不是很好。 所以要选择合适复杂度的模型。当数据丰富时，各种模型都可以试，最后选最优。当数据不那么丰富时，用特定方法。 阅读全文

摘要： 1.2.0 基本的概率知识回顾，包括概率的乘积原则、求和原则，independent。你可以确定解决这种问题就ok了： 一个红盒子里装了2个苹果与6个橘子，一个蓝盒子里装了3个苹果与1个橘子，拿红盒子的概率是40%， 请问随机选个盒子再拿出一个水果是苹果的概率？如果拿出的是橘子，这个橘子来自红盒子的... 阅读全文

摘要： 最近用webrequest获取页面时频频遇到各种莫名其妙的问题，感觉十分不爽，同样的HTTP标头，为什么浏览器能做到的事我做就SB了呢？ 于是上网搜索与http抓包有关的工具，按过程逐一对比，问题就迎刃而解了。在此推荐两款不错的抓包工具。 1、LiveHTTPHeaders 一款firefox的抓包... 阅读全文