Together_CZ的博客

今天在开发项目的时候有一个地方在计算的时候需要生成指定区间内的数值序列，最开始的时候没有太多精度的要求，我是直接使用的range关键字方法生成的，但是需要划分的粒度更细生成小数序列的时候就出现了问题了，因为range方法没有办法生成小数序列。对于小数来说，如果delta不能被整除的话几种方法的计算结果是有差异的，这里差异的产生的原因是因为我没有对其结果进行取整保留的操作，如果设定保留精度位数的话结果也是一致的了。可以根据自己的需要修改我提供的代码，来设定自己的保留精度位数。

学过概率论的相信对于正态分布都不会陌生，这个可以说是非常经典非常重要的一种概率分布了，在现实生活中也是广泛在使用的，比如说：男女的升高服从正态分布，灯泡的寿命服从正态分布，某地区的降雨量服从正态分布，诸如此类的实例还有很多，可以说我们生活中的很多场景都符合或者近似符合于正态分布。 记得上学的时候，求解指定区间内的概率如下： 往往都是转化为标准正态分布，之后借...

     在上一篇博客中，我简单地使用了scipy模块进行了统计学中三大相关性分析方法（皮尔森相关性系数、斯皮尔曼相关性系数、肯德尔相关性系数）的使用，这里的主要工作是将相关性计算结果进行可视化展示，以便于更直观地来对不同因子之间的相关性进行分析，下面是具体的实践：#!usr/bin/env python#encoding:utf-8'''__Author__:沂水寒城功能： ...

    最近用到了相关性分析的内容，想起来之前用过的皮尔森系数了，今天拿过来使用的时候发现统计学中关于相关性分析的部分有三大相关性系数，这里简单抱着拿来主义的心理去实践一下，具体的相关性系数计算方法都不需要自己去写了，python的第三方模块scipy中已经内置了相应的计算函数了，关于三者的异同点和适用场合我就不多介绍了，网上有很多相关的介绍的，下面是具体的实践：#!usr/bin/env ...

转自：机器学习中的相似性度量    在做分类时常常需要估算不同样本之间的相似性度量(Similarity Measurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。　　本文的目的就是对常用的相似性度量作一个总结。本文目录：1. 欧氏距离2. 曼哈顿距离

三种基于感知哈希算法的相似图像检索技术时间 2014-09-26 11:32:46  优快云博客原文  http://blog.youkuaiyun.com/xaut_zjb/article/details/39578063主题 算法 哈希表大家都用google或baidu的识图功能，上面就是我搜索一幅图片的结果，该引擎实现相似图片搜素的关键技术叫做“感知哈希算法”（Pe

转自：汉密尔顿路径（哈密顿路径）解析汉密尔顿路径（哈密顿路径）哈密顿路径也称作哈密顿链，指在一个图中沿边访问每个顶点恰好一次的路径。寻找这样的一个路径是一个典型的NP-完全(NP-complete）问题。后来人们也证明了，找一条哈密顿路的近似比为常数的近似算法也是NP完全的.算法思路（寻找图中所有的哈密顿路）首先用一个邻接矩阵存储图将每一个顶点作为起点，查找哈密顿路查找哈密

From : http://www.cnblogs.com/wybang/p/3206719.html           http://cos.name/2013/01/lda-math-beta-dirichlet/ 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

最近开始学习社交网络方面的知识，作为一个入门级的菜鸟，先了解一下基础的只是理论和方法是很有必要的，今天在社交网络图分布这一块看到了一个幂律分布，感觉很陌生因为之前的概率论和数理统计课程是不学习这个东西的，所以就上网查一些资料，作为自己的的学习资料，放在这里，也希望能帮到有同样需要的同学，欢迎有同样研究兴趣的一起交流。摘自：http://www.baike.com/wiki/%E5%B9%82%

内容来源于：张量百科   张量分解张量（tensor）理论是数学的一个分支学科，在力学中有重要应用。张量这一术语起源于力学，它最初是用来表示弹性介质中各点应力状态的，后来张量理论发展成为力学和物理学的一个有力的数学工具。张量之所以重要，在于它可以满足一切物理定律必须与坐标系的选择无关的特性。张量概念是矢量概念的推广，矢量是一阶张量。张量是一个可用来表示在一些矢量、标量和其他张量之间的线

正态分布（Normal distribution）又名高斯分布（Gaussian distribution），是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。若随机变量X服从一个数学期望为μ、标准方差为σ2的高斯分布，记为：X∼N(μ,σ2),则其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度