yftadyz的博客

本文以实际例子讨论了谱图理论的若干有趣的结论，包括图的Laplace矩阵对应的零特征值个数就是连通分支个数、特征向量的取值和图的分割对应关系、第二小特征值的分割效果等。给定一个图，计算连通分支的个数是一个很经典的问题，可以使用UnionFind求解，是一个纯计算机的解法。而计算Laplace矩阵的零特征值个数求解这个问题，就属于纯数学的方法了。同一个问题既可以使用计算机方法解决，也可以使用纯数学方法解决，真的是非常奇妙啊。

给定对角线上元素，我想生成对角矩阵，在网上搜了一下，竟然都是numpy.diagonal。这个函数的作用是提取给定矩阵的对角元素，当然不是我想要的。后来发现numpy.diag才是生成对角矩阵的函数，所以写此文章记录之。import numpy as npa=[1,2,3]np.diag(a)Out[4]: array([[1, 0, 0], [0, 2, 0], [0, 0, 3]])...

ABtest大家都不陌生，test通常包含对照组和实验组，二者通常只有一个要素不同，通过实际效果对比判断这个要素对于提升效果是否有帮助。这里有个核心问题是假设检验的使用。为什么要用到假设检验，举个例子，营销场景，对照组和实验组各营销10000人，对照组的转化率为1%，实验组1.2%，那么我们能得到实验组好于对照组么？这个0.2%的提升可能是由于我们的改进带来的，也可能是随机产生的，即改进没有任何效果，对于这两种情况需要使用假设检验进行判断。假设检验通常包括零假设和对立假设，我们有个观测量，在零假设成立的情

目录概率空间伯努利实验概率空间什么是概率空间？先贴一段wiki上的解释：In probability theory, a probability space or a probability triple {\displaystyle (\Omega ,{\mathcal {F}},P)} is a mathematical construct that provides a formal model of a random process or “experiment”. For example,

今天来讲下柯西分布，它的概率密度函数如下（摘自百度百科）：当x0x_0x0​=0,γ\gammaγ=1,就得到了标准柯西分布：柯西分布的均值、方差都不存在，真的是很神奇。我们使用numpy对它进行抽样，具体感受下。作为对比，我使用了标准正态分布。在这里插入代码片...