xiaopei的博客

LSH local sensitive hash，来自于 mining of massive datasets包括lsh的详细介绍以及针对不同距离函数的LSH。作用：解决的问题：相似性计算，避免两两计算，提供一组Hash函数，将相似的pair放在一个bucket里面，降低计算规模。约束：Hash函数的要求:1.相似的pair比不相似的paire更容易成为candidate

Blei基本介绍： topic model，之前已经介绍过(http://blog.youkuaiyun.com/hxxiaopei/article/details/7617838)topic model本质上就一个套路，在doc-word user-url user-doc等关系中增加topic层，扩充为2层结构，一方面可以降维，另一方面挖掘深层次的关系，用户doc word user ur

最近在看LDA，里面涉及到狄利克雷的概念，为了把这个事情搞明白，查了一些相关概率知识，举个例子，掷硬币，伯努利实验 中随机变量x={正面,背面}，正面的概率μ为模型参数，假定做了N次试验，Data 中观察序列为X={正面，正面。。。。反面}，正面的次数为k，服从二项分布:p(X|μ)∼pk∗(1−P)(N−k)P(X|μ) 则成为似然函数。针对观察到的随机变量(也就是D

from: http://www.hxxiaopei.com/?p=126我理解朴树贝叶斯法是实现最简单的分类算法，也是非常有效的分类算，工程上容易被接受，很常用，属于生成模型。朴树贝叶斯模型:\{(x_{1},y_{1}),(x_{2},y_{2}).....(x_{N},y_{N})}训练数据，类别集合 ，输入特征向量为x， 表示第i个样本点特征向量的j分量，在后面的计算中

from: http://www.hxxiaopei.com/?p=138最近在看项亮同学的推荐系统实践，整理一下思路。推荐系统，整体上有三种方式：user->user->item, 推荐与其相同兴趣的用户喜欢的item，user-baseduser->item->item, 推荐与其喜欢的item相似的item，item-baseduser->item-feature->

from: http://www.hxxiaopei.com/?p=117logistic regression是统计学习中经典的分类算法，属于对数线性模型。回归模型：给定一个数据集合(x1,y1)(x2,y2)...(xn,yn)，有监督学习构建模型，学习过程就是模型参数θ的学习过程。作为discrimination algorithm，对 P(Y|X;θ )建模，

from: http://www.hxxiaopei.com/?p=71读了著名的【Google News Personalization Scalable Online CF】，提及到针对用户聚类，利用相似用户性信息计算喜欢的news。其中包含min-hash以及plsi，产生了对plsi的兴趣。plsi是model-based 推荐算法，属于topic(aspect) mo