hello, busycai!

本文适合有少许文本分类实践经验的同学。1.什么是文本分类？简单点说，给定类别，将文本分到某个或某几个类别中。比如，一篇网页，判断它是体育类还是政治类还是娱乐类。当然网页比文本稍微复杂一些，需要先做一些页面解析等预处理工作。文本分类可看作网页分类的一个子问题。想继续了解文本分类，推荐看计算所王斌老师的PPT ，点击这里。2.什么是逻辑回归（LR, logistic regression）？英文，参考wikipedia的定义，点击这里。中文，可参考这篇，点击这里。目前有不少机器学习方面的开源实现，本人采用了li

这是一本怎样的书？这不仅仅是一本抛出各种数学公式、定理、证明方法的数学教材。从这本书的副标题（对思想和方法的基本研究）可以看出，它更多是围绕数学中各个知识点（数论、几何、拓扑学、微积分等）的思考。比如，对于“数学归纳法”的阐述，给出了其定义（满足2个条件）、区别（与经验主义）、证明过程举例（正反都有）、局限性（只可验证不可发现规律）。而我们在初中或者高中接触数学归纳法时，可能面对的问题仅仅是：对于抛出的一个问题，给出数学归纳法的证明过程。这是我目前读完第一章后的初步感受。（本书信息，参考这里）-------

1.概述大家都知道贝叶斯定理，一个简单的条件概率求解公式：P(A|B) = P(A^B) / P(B) = P(A)*P(B|A) / P(B)形式简单，也容易理解。它的好处在于可以将条件概率P(A|B)通过公式转换为若干已知先验概率（P(A),P(B)）和条件概率（P(B|A)