jediael_lu的专栏

一、算法原理0、惰性学习法Bayes，决策树， SVM等分类方法均属于急切学习法，它在接收到待分类的新元组前就构建了分类模型，新无级直接经过模型就可以得到结果。而惰性学习法则相反，它会在接收到待分类的新元组时才开始处理训练数据（或者之前只做一些简单的预处理），新元组会与训练数据逐一匹配，从而得出分类结论。1、基本思路算法思路：如果一个样本在特征空间中的k个最

关于LBS坐标系与精度的问题@(JAVA)[java] 大部分内容来源于： http://www.jianshu.com/p/f8224779ca63（一）坐标系问题App定位遇到的第一个坑是坐标系问题。目前常见的坐标系有三种：地球坐标（WGS84，国际公认坐标），火星坐标（GCJ02，国家标准，适用于高德百度地图大陆+港澳部分、Google地图大陆部分），百度坐标（BD09，适用于百度地图大陆

LBS相关工具函数@(ML)[ML]完整代码请见：https://github.com/lujinhong/lujinhong-commons/tree/master/lujinhong-commons-java/src/main/java/com/lujinhong/commons/java/lbs1、计算某个点周围一定距离的经纬度范围public static Map<String, Doubl

一、理论基础（一）朴素贝叶斯定理简单的说：一个样本属于某个类别的概率是：这个类别出现的概率 * 已知这个类别出现的情况下各个属性出现的概率的乘积根据贝叶斯定理，事件X发生时，类别Ci发生的后验概率为：而P(X)对于所有的CI都是相等的，且假设X的各个属性之间是独立的（朴素假设），则可得：即符合X特征变量的类别Ci的后验概率可由上述公式计算出来，然

马尔可夫链算法原理与实现@(ML)[machine learining]马尔可夫链算法原理与实现一概述二基本流程1得到语句2句子出现的概率3马尔可夫假设4计算条件概率5结果（一）概述参考自《数学之美》第3章 在计算机的早期时代，约1980前，科学家们倾向于模仿人类的思维来让计算机读懂自然语言。经过近20年的尝试，被证明是不可行的，目前主流是基于统计的模型来对自然语言分析。即通过分析

1 sigmoid函数2 极大似然估计MLE与损失函数3 梯度下降4 另一种形式的损失函数及其梯度1.1 sigmoid函数由于二分类结果是1或者0，这与数学的阶跃函数很类似，但是阶跃函数在x=0的位置会发生突变，这个突变在数学上很难处理。所以一般使用sigmoid函数来拟合：g(z)=11+e−z(1)g(z)={\frac 1{1+e^{-z}}}\tag{1}具体应用到逻辑回归算法中：

1余弦相似度2理论推导3一些特征情况分析在机器学习算法中，有各种方式衡量用户或者物品的距离或者相似度，如曼哈顿距离、欧几里得距离、Pearson相关系数、Jaccard系数等（可参考http://blog.youkuaiyun.com/lin00jian/article/details/51209715），我们这里主要详细介绍一下余弦相似度。余弦相似度被广泛用于协同过滤算法中，尤其是Item-base的协