努力努力再努力的博客

1、D-separation D-separation是贝叶斯网络中十分重要的一个概念，是一种用于判断变量是否条件独立的图形化方法。在搜索各类文章之后，发现这篇博客讲的很好https://my.oschina.net/dillan/blog/134011，从理论到例子，深入浅出，很好理解。 2、Independent-map 假设贝叶斯网络为G，概率分布为P。G是P的一个I

网络分析中，经常会用到中心性这个概念。通常在中心性的分析角度上有两种出发点：中心度和中心势。&npsb;&npsb;中心度表示一个节点在网络中处于核心地位的程度；中心势表示整个图的紧密程度。换句话说，度表示单个节点的性质，而势表示整个图的性质。目前有四种中心性的分析方法，分别是：度中心性（degree centrality），间接中心性（betweenness centrali...

1、基于互信息的评价指标NMI比较详细的解释，可以参见这篇博客：https://blog.youkuaiyun.com/tyh70537/article/details/771458432、所有的评价指标参见这篇博客https://blog.youkuaiyun.com/liuy9803/article/details/80762862...

归一化（normalization）、标准化（standarization）   在机器学习领域，不同的评价指标（及特征向量中的不同特征就是所描述的不同评价指标），往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据的标准化处理，已解决数据指标之间的可比性。原始数据经过数据标准化处理之后，各指标处于同一数量级，适合进行综合对...

下面这篇博客中分类别 介绍了很多机器学习方法的评价指标，比较全面：http://www.cnblogs.com/zhaokui/p/ml-metric.html一、聚类结果的评价指标1、Rand index 或者 Rand measure（兰德指数）维基百科比较详细：https://en.wikipedia.org/wiki/Rand_index兰德指数需要给定实际类别信息C,假设K是聚...