16、几何与语言算法:从图形世界到文字海洋

几何与语言算法:从图形世界到文字海洋

1. 几何世界的奇妙之旅

在几何领域,我们可以借助代码进行几何推理。首先从绘制简单的点、线和三角形开始,接着探讨寻找三角形中心的不同方法,这有助于为任意点集生成Delaunay三角剖分。最终,利用Delaunay三角剖分生成Voronoi图。

Voronoi图有着广泛的应用,比如解决邮局问题,或者在晶体结构等方面有所贡献。当我们看到Voronoi图及其相关的Delaunay三角剖分和外接圆时,可以联想到很多实际场景,像邮局的分布、水泵的布局等。也可以单纯沉浸在点、线、三角形构成的纯粹几何乐趣中。

2. 语言算法为何困难

将算法思维应用于语言并非易事。与数学不同,语言具有极大的复杂性。在数学中,我们可以通过简单的数字组合和位值系统轻松理解未曾见过的数字。例如,对于数字14,326,即便我们从未数到过这么大的数,也能根据数字和位值系统理解它的大小,并能进行相关运算。

然而,语言并非如此。当我们学习英语时,看到一个新单词“stage”,不能仅仅通过它与“stale”“stake”等单词的相似性来推断其含义。而且,语言规则也并非总是可靠,比如英语中加“s”构成复数的规则,可能会让我们在理解“princes”和“princess”时产生误解。

为了将算法应用于语言,我们要么简化语言,让现有的数学算法能够适用;要么让算法更智能,以应对自然语言的复杂情况。我们选择了后者。

3. 空间插入算法

假设你在一家大型老公司担任首席算法官,公司仓库里有大量手写纸质记录。首席记录数字化官将这些记录扫描成图像文件,再通过文本识别技术将图像转换为数字文本。但由于手写

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值