SophieZhou的专栏

rt.一篇04年的PAMI文章，回答了什么样的energy function可以通过graph cuts实现最小化。典型的应用如马尔科夫随机场，条件随机场等。最近在关注相关方向的东东，初级学习阶段，或许这篇文章能对我后续的理解有些帮助。 其实，energy function还有graph cuts,or graph factor都是比较新且比较直观的一些应用吧，但是感觉到最小化实现，再到参

numerical optimization把能够通过矩阵计算直接得到解的问题转换为迭代的方式进行求解。这种方式尤其适合large problem，当数据维度特别大时，你只好用迭代的方式，否则矩阵的计算能够算死你。当然在计算过程中，会有各种各样的问题，迭代方向和迭代步长问题，就是最核心的参数吧。因为看到这个，我突然想到，为什么之前我一直没用到numerical optimization

最近因为想写几个简单的分类器，其实原来也没写过什么分类器，尤其是supervised.最近在看Bayes classifier，是去产检时等叫号时看的，看过之后我明白了，之前有位指导我们的同事说的，说lda, plsa其实就是bayes分类器。bayes classifier是一种generative model，按照feature集合生成文本。尤其是multinomial nai

http://research.google.com/pubs/ArtificialIntelligenceandMachineLearning.html