围城

20210211 -引言之前的时候，一些关于numpy的内容都记录在另一篇文章中《pandas及numpy - 常用操作》，里面大部分都是pandas的操作，但是最近使用numpy比较多了之后，也积累了一些内容，所以这里专门记录一下。内容列表拼接空数组距离的计算向量的重复生成数组逆序1. 拼接空数组最近的实验中，需要按照列来拼接相应的结果，但是一开始需要一个空数组来指定，代码逻辑就是创建一个空数组，然后在训练中，按照列来拼接，使用的函数就是np.hstack。但是一开始的时候需要创建

20210306 -0.引言通过scipy的距离库[1]，可以方便的计算向量空间中两个点的距离，例如欧式距离，cos距离等，使用方法可以见[2]。而这个函数cdist在计算该距离的时候，通过集中方法，结果上却稍有不同，在这里记录一下，主要研究在数据量比较大的时候如何计算，如果仅仅是两个点的距离，直接使用from scipy.spatial.distance import mahalanobis即可，这要是为什么要引入cdist的原因。1. cdist如果是使用cdist的话，使用方法跟欧式距离没有什

20210105这次又是整理自己的书签，然后发现了这个文章，这个文章应该是很久之前的时候我看到的，觉得很有趣，应该是当时学习最小二乘法的时候看到的，所以这篇文章就来记录一些平时看到的不错的科普文，以前很多文章都错过了，挺可惜的。正态分布的前世今生 (上)...

20201010 -0. 引言在学习统计学的时候，在概率估计的部分，经常会遇到最大似然估计，最大后验估计等名词，这些似然和后验，都跟贝叶斯准则中的一些名词定义有关。这里参考书籍《Think Bayes》这部书，来记录这些名词。1. 由糖果例子来解释名词用最简单的一句话来说，贝叶斯准则就是一个公式，这个公式在考试的时候只要你会用，把问题形式化之后，甚至于有些题目直接给你了要求解的最终目标，都不用你对问题进行分析，直接套用公式就行了。但在实际问题的处理中，还是需要对问题的深入理解。考试考了高分，不代表解

20201001 -0. 引言最近的精力比较杂，当时仅仅是想学习《异常点检测》中的某个章节，但是因为遗忘的知识太多，导致又得学习更多的东西，比如线性代数的东西。很多概念在本科的时候都学过，所以捡起来也不是那么难，但是想马上得心应手的用起来，肯定是要花点功夫的。在最近看的几个主体中，我就发现了一个非常重要的概念，那就是特征向量。其实这个东西，本身没什么难点嘛，大一学习的线性代数，不就是几个公式，然后求一求就出来了。当时的应试场景下，这样肯定是没什么问题的，但是当真正需要利用这个东西的实际意义的时候，而不

20201001 -0. 引言最近在看《异常点检测》的时候，其中在PCA部分（准确来说是前面一小节）在进行推导的时候，使用了最小二乘法。其实这个东西本质上并不难，但是让我比较尴尬的是，很多线性代数的东西有些遗忘了，好在最近直截了当的复习让大部分知识都回顾了。1. 问题关于具体的推导过程就不说了，各种公式都有，直接的结论也都有。但是这里之前的时候，产生了一个问题。本来最小二乘法是利用垂直距离来定义的（也就是预测变量与相应的平面与坐标中平行的距离），但是有些书上都提到了投影距离。然后他们也用了最下二乘法

今天在看到这个马汉诺拉距离的时候，又看到了这个东西。就是利用特征值来进行协方差方向上的伸缩，突然感觉到了线性代数的作用了。。。。。但是实际上，我今天看到了非常多的内容，但是都没有吸收完，很多内容都是线性代数的东西，但是这些东西我都忘了。。。...

20200929 -最近在看《异常点检测》这本书，然后看到了线性模型中的内容，这里涉及到了特征变量的东西。只不过，因为已经很久没有涉及线性代数的东西，这部分内容大部分都遗忘了，但是大致上翻了翻也基本上弄明白了。不过，这里我看到了几个点，后续应该可以用到。首先，矩阵是线性变换的本质，即使不是方阵也是有变换的过程的。然后，就是学习PCA的时候看到的内容，这部分内容是说他本质上就是找特征变量的过程。后面还是要把这部分内容好好记录记录，https://www.bilibili.com/video/BV1

2017/12/29我一直对这个大数定理不理解，为什么就这么重要。学了这么多年的概率论，而且，这么多年了也一直没事就看到这些东西，但是还真的没有让我感觉的这个东西的重要性。http://www.cnblogs.com/vamei/p/3460965.html这个地方也是把原理给讲出来了，他也没有真正的去说怎么去应用。！！！！！对，这个词说的对， 应该是应用层面的东西没有很好的给解析出...