经管与EE复合奇葩专业的专栏

//转自http://www.cnblogs.com/jerrylead/archive/2011/04/18/2020216.htmlPCA的最小平方误差理论          假设有这样的二维样本点（红色点），回顾我们前面探讨的是求一条直线，使得样本点投影到直线上的点的方差最大。本质是求直线，那么度量直线求的好不好，不仅仅只有方差最大化的方法。再回想我们最开始学习的线性

//2014年4月17日

//2014年11月5日集成学习三大ct

//2014年3月5日今天是开通blog一个月的纪念日，正好写一写总结。这个30天我做出了一个重大的决定，就是开始把机器学习，数据挖掘作为职业规划。事实上，我一直想找一个能与数学，算法相关的职业，一开始我以为我会成为一个dsp，fpga工程师（EE专业），但我被告知这个需要考研，我一直奇怪为什么招聘部门就不能直接通过笔试面试来评价一个人的水平，而非要通过他的学历

//2014年10月28日我学了好多机器学习，数据挖掘后才发现gyejie

如果自变量是随机变量即模型Ⅱ回归分析所采用的回归方法与计算者的目的有关。在以预测为目的的情况下仍采用“最小二乘法”但精度下降—最小二乘法是专为模型Ⅰ设计的未考虑自变量的随机误差在以估值为目的如计算可决系数、回归系数等的情况下应使用相对严谨的方法如“主轴法”、“约化主轴法”或“Bartlett法”。显然对于回归分析如果是模型Ⅱ回归分析鉴于两个随机变量客观上存在“相关性”

//2014年10月12日//http://bbs.stuhome.net/forum.php?mod=viewthread&tid=1466753&extra=page%3D13

//2014年10月9日//主要shixiang

//2014年10月10月22日（周三）19:30-21:30 电信运营商的大数据应用实践 中国移动 何鸿凌http://www.chinahadoop.cn/course/73 《自然语言处理（NLP）在标签系统中的应用》阿里巴巴 曾俊瑀 10月29日（周三）19:30-21:30 http://www.chinahadoop.cn/course/74大数据时

//2014年9月4ri主成分分析和因子分析的区别1，因子分析中是把变量表示成各因子的线性组合，而主成分分析中则是把主成分表示成个变量的线性组合。2，主成分分析的重点在于解释个变量的总方差，而因子分析则把重点放在解释各变量之间的协方差。3，主成分分析中不需要有假设(assumptions),因子分析则需要一些假设。因子分析的假设包括：各个共同因子之间不相关，特殊因子（specifi

在多元回归分析中，在消除其他变量影响的条件下，所计算的某两变量之间的相关系数。在多元相关分析中，简单相关系数可能不能够真实的反映出变量X和Y之间的相关性，因为变量之间的关系很复杂，它们可能受到不止一个变量的影响。这个时候偏相关系数是一个更好的选择。假设我们需要计算X和Y之间的相关性，Z代表其他所有的变量，X和Y的偏相关系数可以认为是X和Z线性回归得到的残差Rx与Y和Z线性回归得到的残差Ry

中国科学院大学大数据技术及应用方向 工程硕士招生简章中国科学院大学工程管理与信息技术学院2014年招收“大数据技术与应用”方向计算机技术工程硕士研究生。该专业将结合行业特点和人才需求，实现“大数据技术与行业应用”的融合，培养复合型交叉型人才，打造出大数据技术与应用、业务和管理的结合的高层次人才。一、         招生领域与专业方向1、专业领域：计

pearson线性相关系数：假设shu

//2014年6月4日//http://blog.youkuaiyun.com/zouxy09/article/details/8084511//

//2014年2月17日寒假里学习了stanford的《机器学习》，由Andrew Ng教授（华裔）主讲，收获很大，特在这里进行学习资料汇总，以供后来人飨。汇总后发现资料未免太多，不利于后来人选择，下一篇blog我会对这些资料进行特点阐述。授课视频资料：http://v.163.com/special/opencourse/machinelearning.html官方课件：

//转载http://wenku.baidu.com/link?url=dlajAUuy-t578nO3zPXzNiqqyCnkDFl9bYOgH6zfJ79pNvdkK-P58mjc905pcCSaAGKbZL7HpXdsBZW2C1Asxt__Fd4ccWuKKwj8dLSUHi7这里只转结论：对于随机变量12,,,P对于随机变量12,,,PXXX

机器学习现在是一大热门，研究的人特多，越来越多的新人涌进来。不少人其实并没有真正想过，这是不是自己喜欢搞的东西，只不过看见别人都在搞，觉着跟大伙儿走总不会吃亏吧。问题是，真有个“大伙儿”吗？就不会是“两伙儿”、“三伙儿”？如果有“几伙儿”，那到底该跟着“哪伙儿”走呢？很多人可能没有意识到，所谓的machine learning community，现在至少包含了两个有着完全