suixinsuiyuan33的博客

数学之美番外篇：平凡而又神奇的贝叶斯方法By 刘未鹏(pongba)C++的罗浮宫(http://blog.youkuaiyun.com/pongba)TopLanguage(http://groups.google.com/group/pongba)概率论只不过是把常识用数学公式表达了出来。——拉普拉斯记得读本科的时候，最喜欢到城里的计算机书店里面去闲逛，一逛就是好几个小

链接：http://blog.youkuaiyun.com/cyh_24大师级的文章，总是能够使你更接近于事物的本质。 最近看了pongba的数学之美番外篇：快排为什么那么快。文中提到了Mackay的一篇文章（这里是译文），里面提到了使用信息论来解释快排与堆排的速度差异的本质原因。看罢，内心有种莫名的激动。虽不懂信息论，但Mackay（大师毕竟是大师），最简单的解释，却直接触到了本质。有兴

数学之美番外篇：平凡而又神奇的贝叶斯方法概率论只不过是把常识用数学公式表达了出来。——拉普拉斯目录0. 前言 1. 历史     1.1 一个例子：自然语言的二义性     1.2 贝叶斯公式 2. 拼写纠正 3. 模型比较与贝叶斯奥卡姆剃刀     3.1 再访拼写纠正     3.2 模

beta分布介绍链接： http://blog.youkuaiyun.com/a358463121，如果涉及源代码请注明GitHub地址：https://github.com/358463121/    相信大家学过统计学的都对 正态分布 二项分布 均匀分布 等等很熟悉了，但是却鲜少有人去介绍beta分布的。用一句话来说，beta分布可以看作一个概率的概率分布，当你不知道一个东西的具体

关于Beta分布、二项分布与Dirichlet分布、多项分布的关系链接：http://www.cnblogs.com/wybang/p/3206719.html     在机器学习领域中，概率模型是一个常用的利器。用它来对问题进行建模，有几点好处：1）当给定参数分布的假设空间后，可以通过很严格的数学推导，得到模型的似然分布，这样模型可以有很好的概率解释；2）可以利用现有的EM算

数学之美番外篇：快排为什么那样快 By 刘未鹏(pongba)C++的罗浮宫(http://blog.youkuaiyun.com/pongba)TopLanguage(http://groups.google.com/group/pongba) 目录0. 前言1. 猜数字2. 称球3. 排序    3.1 为什么堆排比快排慢    3.2 为什么快