R*******c
发帖数: 249 | 1 一共有100个向量，每个向量的长度不一，但已知，如果希望将第一个向量写进A列，第
二个向量写进B列...这样的话，怎么写xlswrite呢？ |
|
s*****n
发帖数: 2174 | 2 这个就是典型的回归问题啊. 设前5各点为V1,..,V5. 后面的两个点叫V6, V7.
分别用V6和V7对V1和V5的组合做回归, 得到两个residual向量, 就是S2空间的两个基.
回归(y=ax+e)的本质, 就是找y在X的列向量生成的空间中的投影, 其剩余部分e就是y里
面垂直于x空间的的部分.
如果用代数, 就把5各点列向量合并成矩阵X, 两个点的列向量合并成矩阵Y. S2空间其实
就是
Y - X(X^TX)^{-1}X^TY = (I - X(X^TX)^{-1}X^T)Y
那个X(X^TX)^{-1}X^T也叫hat矩阵, 是高维空间向子空间的投影矩阵. 而 I-hat 就是子
空间对高维空间的补空间的投影矩阵. |
|
|
f***a
发帖数: 11477 | 4 本来我想把每个颜色的RGB三元色坐标分出来做向量
然后每种颜色就是向量的线性组合，组合处一个新的三元向量，然后就可以直接读出
RGB的颜色来
不过代数太差，不会分解向量！！！！ |
|
b******3
发帖数: 4385 | 5 尽管人很高级，但是本质上讲人和蜜蜂一样是群居动物，需要依赖族群中其它成员才能
更好存活，蜜蜂有蜂群，人类有社会，蜂王负责产卵，雄蜂负责交配，工蜂负责采
蜜，而在人类社会，有人负责讲ppt,有人专门负责写代码，一个稳定的社会，需要分工
清晰，各司其职，各就其位。这样基于个人特长的分类越清晰，重叠性越少，社会的稳
定性越高，群体间冲突就越小。在蜂群中这样的分类基于生理特征，可以几乎没有任何
冲突的分类开来，而人类就要复杂很多，每个人有各种各样的禀性，智商，情商，语言
能力，逻辑能力，音乐能力。。，所有人的这些禀性的总和就是一个多维的向量空间，
每一个人的所有禀性看成一个向量空间中一个sample. 这个空间杂乱无杂，有会写code
的也能讲点ppt,有会ppt的也能写点code,这样的情况下，冲突就再所难免，封建社会靠
出生论来进行筛选，现代文明社会通过严格的专业选拔教育、工作环境下激烈冲突来分
类，让写code
和讲ppt的尽量分开来，减少社会运行成本。这样的一个分类过程其实就是计算机中
machine learning 的 分类问题，也就是怎么将一个多维的向量空间中的element分
... 阅读全帖 |
|
发帖数: 1 | 6 PPT真的很好看。
日本富士通发布PPT，要建设1000P超算。
几个月前，ARM还发布了矢量扩展架构（SVE）——矢量扩展架构可以提升向量，这意味
着可以提升并行度。而向量既有定点也有浮点，面向的是大型数据处理的需要。虽然对
于服务器和超算而言，光靠向量还是不行的，但却比没有矢量扩展架构要强。而这次富
士通联合ARM，显然是为了解决超算处理器的问题，而且和申威26010和Intel的KNL一样
，富士通联合ARM开发的处理器很可能也会是一款众核处理器。
现在知道日本人买ARM不是盲目的了吧。 |
|
|
d*****u
发帖数: 17243 | 8 现在机器学习都是用高维度特征去训练一个分类器。
比如自然语言处理，现在最流行的方法之一是把每个词用300维向量表示
然后把文档里的词（向量）逐个输入一个有记忆功能的神经网络
再输出一个几十到几百维的向量来表征这个文档的语义
进而进行分类或其他处理
based |
|
d*****u
发帖数: 17243 | 9 句子的意思也可以用向量表示，现在一般用RNN特别是LSTM来逐个处理词向量，最后得
到句子的向量。
当然这些目前有局限性。
人的语言机能里还是大致有个词的概念，虽然词没有确切定义。你要从字符或者音素出
发也是可以的。有的模型不用词而是搞character embedding |
|
l********o
发帖数: 5629 | 10 这个语言缺乏逻辑，词汇太少，无法描述复杂的系统和逻辑。
比如我找了一下中文描述svm，居然是这样的，“软的硬的，松弛，核”， 跟黄色小说
一样，而且根本不知道在说什么：
“SVM的原理是什么？
SVM是一种二类分类模型。它的基本模型是在特征空间中寻找间隔最大化的分离超平面
的线性分类器。（间隔最大是它有别于感知机）
（1）当训练样本线性可分时，通过硬间隔最大化，学习一个线性分类器，即线性可分
支持向量机；
（2）当训练数据近似线性可分时，引入松弛变量，通过软间隔最大化，学习一个线性
分类器，即线性支持向量机；
（3）当训练数据线性不可分时，通过使用核技巧及软间隔最大化，学习非线性支持向
量机。
注：以上各SVM的数学推导应该熟悉：硬间隔最大化（几何间隔）---学习的对偶问题--
-软间隔最大化（引入松弛变量）---非线性支持向量机（核技巧）。”
中文还是用来娱乐和扯淡比较好，还有就是适合共产党进行愚民统治，国内的骗子们也
喜欢用中文进行欺骗。 |
|
b***y
发帖数: 14281 | 11 你首先要明白"平行线"的定义。平面上平行线可以定义为保持距离不变的直线。曲面上
无法推广。如果一定要保持距离不变，至少其中一条线不能保持为“直线”。当然这又
要问“直线”的定义了。
要明白这些，你得学里曼几何，这不是三两句话能解释清楚的。
但是粗略来说，曲面上直线的定义是如果把一点的切向量沿曲线平移到另一点，刚好能
和另一点沿相同曲线的切向量重合，那么就说这条曲线是直线。
所以从赤道上，如果你已开始往北走，那么就必须一直保持正北方向（但是过了北极点
就得翻成正南了），这样走的叫直线，一旦往东往西偏了，那就不是直线了。
严格说曲面上并没有“平行线的”概念。你的例子只是一个比较接近于“平行线”定义
的一个推广已。AC和BC首先都是“直线”（其实叫侧地线”），其次它们有个特点就是
如果把A点沿AC的切线量沿着AB平移到B点，刚好和在B点沿BC的切向量重合，这就是曲
面上最接近于平面上所谓“平行线”的定义了。 |
|
p******y
发帖数: 3742 | 12 1965年，針對數量增加的北越防空陣地（特別是SAM與AAA）威脅，起初由志願參加的雙座型 F-100F「超級軍刀」戰鬥轟炸機進行野鼬鼠任务。美國的應用技術公司(Applied Technology INC，簡稱ATI），一直在研究電子作戰的設備。ATI的工作一般是保密的「黑色」計劃和為一些小型項目製造特種設備。他們的一個計劃是「第十二號系統」，是一種輕量化的雷達警告接收機，首次用於西方公司所委託的中華民國操作之 U-2 偵察機。第十二號系統遙遙領先於同時代其它已經存在的雷達告警接收機，同時針對美國空軍的反饋，ATI 開始開發一種派生型，計劃用於B-52轟炸機，代號「向量」（AN/APR-25）。「向量」可以接收相當寬的雷達信號，然後在一個7.5公分（3英吋）的圓形螢幕上顯示威脅信號，一個從中心發出的脈衝波形可以顯示威脅雷達的方向，而脈衝波形的長短則顯示雷達信號的強弱，並用點、虛線、實線表示雷達的波段。
當SAM飛彈的威脅在東南亞抬頭的時候，美國空軍與ATI公司打算為高層官員做一次關於「向量」的示範活動，期望給他們留下深刻的印象。 ATI公司也開始推動自己的「IR-133」全向式雷達定 |
|
a***e
发帖数: 27968 | 13 intel也有向量单元，不就是SSE么？现在还多了AVX
但是算Gflops没人这么估算的
LS3B的向量单元一周期能执行多少双精度？
按照给的数据，好像是12个/每核，这个向量单元还挺牛 |
|
N****w
发帖数: 21578 | 14 向量单元是 GPU 里经常用到的
就是算法允许的条件下向量里的各个分量同时被计算
比如向量相加 |
|
N****w
发帖数: 21578 | 15 就是向量
矩阵是由多个向量组成的
并行计算里没人把矩阵叫 array
array 是恶俗恶俗的计算机程序员术语
向量多高级，是科学的专用名词 |
|
y*d
发帖数: 2226 | 16 一、申威CPU Architecture分析
现在的新闻没有公布细节，但可以毛算一下这个CPU是啥样子的：
峰值速度1070万亿次，8704片cpu，16core
平均每core大约77亿FLOPS
目前cpu频率大约在1G 2G 3G这种水平，考虑到神威的低功耗（后面详细讲）
主频应小于2G
按2G算就是每指令周期做39次单精浮点计算
我估计最有可能的是，主频1.2G，每个周期64个浮点运算 （算下来大约是76.8亿FLOPS）
和天河一号用的nVidia Tesla M2050 GPU对比一下
2050有16个SM，每个SM每周期也是可以做64个浮点运算，主频1.15G
申威CPU 16个Core，每core 64个浮点运算，主频1.2G
可以看出在计算单元配置和主频选择上，申威和Fermi Tesla基本一样
但是GPU有一个取巧的地方是GPU有一个Fused MUL ADD运算。这样一个运算顶两个，所
以实际只有32个计算单元，却号称64个浮点运算。而实际上，很少有哪个程序可以全是
用这个特殊运算的。所以GPU的实测速度会低很多。使用GPU的中国的天河1，倭国的つ
ばめ（燕）都... 阅读全帖 |
|
k***t
发帖数: 276 | 17 8.1提到所有输入是负数时，定义和为零的空向量为最大向量。
练习8.7.9 让读者自己计算最大向量定义为最大负元素的情况。 |
|
z**********u
发帖数: 201 | 18 这个感觉是个两个向量的内积啊，matrix A1的每一列是向量A的a1...an的全排列，所
以矩阵A 共有n！列，列向量b= [b1,..,bn]'，A'*b取其中最大元素应该就是所求的了
所以应该不是多项式时间的 不知道对不对。。。 |
|
l********o
发帖数: 5629 | 19 【 以下文字转载自 Military 讨论区 】
发信人: liyuanchao (李源潮), 信区: Military
标 题: 中文不适用用于工作交流
发信站: BBS 未名空间站 (Tue Jan 23 16:31:11 2018, 美东)
这个语言缺乏逻辑，词汇太少，无法描述复杂的系统和逻辑。
比如我找了一下中文描述svm，居然是这样的，“软的硬的，松弛，核”， 跟黄色小说
一样，而且根本不知道在说什么：
“SVM的原理是什么？
SVM是一种二类分类模型。它的基本模型是在特征空间中寻找间隔最大化的分离超平面
的线性分类器。（间隔最大是它有别于感知机）
（1）当训练样本线性可分时，通过硬间隔最大化，学习一个线性分类器，即线性可分
支持向量机；
（2）当训练数据近似线性可分时，引入松弛变量，通过软间隔最大化，学习一个线性
分类器，即线性支持向量机；
（3）当训练数据线性不可分时，通过使用核技巧及软间隔最大化，学习非线性支持向
量机。
注：以上各SVM的数学推导应该熟悉：硬间隔最大化（几何间隔）---学习的对偶问题--
-软间隔最大化（引入松弛变量）---非线性支持向量机（核技巧）... 阅读全帖 |
|
z**c
发帖数: 7595 | 20 [转贴]第六代龙芯闪亮登场
112230 次点击
774 个回复
0 次转到微评
掘墓鞭尸 于 2010-8-28 0:36:06 发布在 凯迪社区 > 猫眼看人
据龙芯处理器的首席架构设计师，中科院计算技术研究所(ICT)的胡伟武教授透露，
2011年龙芯将推出数款基于65nm制程的产品，同时下一代龙芯处理器则将采用28nm制程
进行制作。胡伟武同时透露他们将推出一系列龙芯新产品，其型号包括一款服务器用，
内部设置有向量处理器单元的龙芯产品。
龙芯3B处理器：
自从2001年推出龙芯第一代架构之后，龙芯目前已经发展到了第六代产品。胡伟武
并在最近举办的HotChips会展上就龙芯系列最新产品：龙芯3B做了演示。这款处理器采
用8核设计，工作频率高至1GHz，采用意法半导体公司的65nm制程技术制作，耗电量为
40W。这款处理器于今年五月份完成流片设计，将于今年9月份开始量产，处理器核心的
面积为300平方毫米，浮点运算能力为128GFLOPS。
龙芯3B的核心部分是采用64bit设计的464V核心，核心兼容MIPS指令集，该核心的
乱序执行管线每时钟周期可执行完成4条指令，另外还可以... 阅读全帖 |
|
y**c
发帖数: 6307 | 21 coppermatrix [网易广东省深圳市网友] 2015-04-07 21:48:20
测试结果如上 选择测试项目是SPEC_INT
也就是整数通用计算性能 龙芯2b频率 1.2ghz
龙芯2b的设计是 一款256bit浮点 全速64位FPU并行设计的矢量计算CPU 主要面向科学
计算和浮点计算的超算CPU
而整数执行管线部分继承的是2008年设计的龙芯3A的部分
拿向量计算型的CPU的整数性能去和通用计算CPU去比？ 为什么跑SPEC 只选整数部分故
意不提SPEC_fp浮点计算部分的成绩？ 因为它列举的这些芯片SPEC_fp测试成绩连龙芯
3B边都摸不到的原因吗？
龙芯3B 1Ghz下 实测122Gflops
它选区的对比芯片跑浮点什么成绩？ 就是i7 4770k 3.9ghz也就86.36Gflops
也就是说浮点性能
i7 4770k 同频率也只有 龙芯3B-1500的 18% 接近1/5
用浮点向量处理器去比通用处理器不合理 确实
那么用通用计算处理器去和一个设计就是跑浮点运算的向量处理器 而且是使用8年前设
计的整数执行管线的处理器 去比通用处理性能 这就是编辑所想要的... 阅读全帖 |
|
H********g
发帖数: 43926 | 22 这个答案想错了。情况没这么简单。整数坐标间的距离可以是无理数，我忽略了这个。
但是--
3不能写成任何两个整数的平方和，因此两个整数坐标的点间的距离一定不带根号三的
奇数倍因子（高斯整数，高斯质数似乎跟这个相关）。显然它们的中点的坐标也不包含
奇数个根号三因子（但是可以有根号二根号五因子）。
而等三如果已知两点 A B，都是整数坐标，
设AB中点为O，那O到第三点C的向量等于 向量OB 乘以 正负sqrt（3）i。
由于OB的长度不可能含奇数个sqrt（3）的因子，它乘以sqrt（3）以后肯定是个含有
sqrt（3）的无理数。而O的坐标也是不含sqrt（3）的，所以C的坐标加向量OB之后肯定
是没法消掉sqrt（3）的。所以C的坐标必然是带sqrt（3）的无理数，不可能是整数。
换句话说，要在消去乘的sqrt3，只能：1）在被乘数里已经含有sqrt3，或者 2）之后
正好加减sqrt3的同样倍数。如果被乘数不含sqrt3，被加减的数同样不含sqrt3，那结
果里肯定要继承sqrt3，所以结果肯定是含sqrt3的无理数。 |
|
d*********2
发帖数: 48111 | 23 呵呵， 老爱最大的贡献就是现代物理的时空观．
对于人所处的世界来说， 第四维空间未必就是＂空间＂了． 从时空一体来说． 人
类的世界是个四维时空， 往上升维就是５维了．
前面有位同学的比喻挺形象的 ， 人类的世界就象个皮球， 你想拉扯它， 就要有
足够的力量扯破才能突破既有的时空． 力量不够， 那就还是只能局限在这个时空．
当然现在人类已经算比较有力气了， 拉不破， 但是拉变形还是可以做到的， 于
是就可以观测到广义相对论效应， 量子效应等等．
这个现代物理的哲学解释， 其实还是挺玄而又玄的． 以前钻这个师兄很多都去信了
教． 可见这个东西是不能深钻的． 不过以前上基础课的时候还是会作为卧谈会资料
瞎扯一些的． 霍金的时空之箭曾经也是畅销书．
相对于多维空间， 也可以把高维时空理解为增加的时间轴． 现代物理的平行宇宙解
释还是比较玄乎的． 为了满足哥本哈根解释， 简单的只要构置一个时间平面就是了
． 上帝不掷色子， 量子物理的统计表征只是在时间平面的一个random walk. 所谓
的无限平行宇宙， 只是在任意一个时间点， 在时间平面上的下一个演绎． 人类的
这个世界， 是一个被强大... 阅读全帖 |
|
p*l
发帖数: 270 | 24 【 以下文字转载自 Programming 讨论区 】
发信人: phl (--), 信区: Programming
标 题: 数据的游戏：冰与火 (zz)
发信站: BBS 未名空间站 (Wed Jul 31 11:06:08 2013, 美东)
数据的游戏：冰与火
2013年7月31日陈皓
我对数据挖掘和机器学习是新手，从去年7月份在Amazon才开始接触，而且还是因为工
作需要被动接触的，以前都没有接触过，做的是需求预测机器学习相关的。后来，到了
淘宝后，自己凭兴趣主动地做了几个月的和用户地址相关数据挖掘上的工作，有一些浅
薄的心得。下面这篇文章主要是我做为一个新人仅从事数据方面技术不到10个月的一些
心得，也许对你有用，也许很傻，不管怎么样，欢迎指教和讨论。
另外，注明一下，这篇文章的标题模仿了一个美剧《权力的游戏：冰与火之歌》。在数
据的世界里，我们看到了很多很牛，很强大也很有趣的案例。但是，数据就像一个王座
一样，像征着一种权力和征服，但登上去的路途一样令人胆颤。
数据挖掘中的三种角色
在Amazon里从事机器学习的工作时，我注意到了Amazon玩数据的三种角色。
D... 阅读全帖 |
|
l***e
发帖数: 480 | 25 想删向量里后面的元素.
元素是一个结构sn,由一个字符串name和一个整数count构成。
向量vsn已排好序。因为remove删不掉。就想用pop_back删。
while( vsn.end().count < 2 ) vsn.pop_back();
//将向量里元素中count值小于2的元素，删除。
编译时，总抱错。
error: âclass __gnu_cxx::__normal_iterator
allocator > >â has no member named âcountâ
while( (vsn.end()).count < 2 ) vsn.pop_back();
while( *(vsn.end()).count < 2 ) vsn.pop_back();
while( (*(vsn.end())).count < 2 ) vsn.pop_back();
都不行。
vsn.pop_back();没错，单句执行没问题。
如何引用最后一个元素的成员变量。
或者还有 |
|
Z****e
发帖数: 2999 | 26 很久没用matlab了，想了想大概思路：
matlab自动载入数据都要求矩形数据，所以你这个文件不能直接载入
可以用fopen打开，while里面fgetl按行读，最后fclose关闭，具体可以看fgetl的帮助
对于每一行，可以用sscanf转换成数组，因为默认结果是列向量，所以要转置一下，去
掉第一个可以用slicing: A=A(:,2:N)，其中N要靠size函数得到；然后直接用A(125)=0
可以得到自动补0的1x125行向量
然后用M(i,:)=A可以把行向量填进矩阵中
最后会得到一个方的下三角矩阵，再A=A+tril(A,-1)'就行了 |
|
w***g
发帖数: 5958 | 27 我用了4000! int[]不能动态长的！等下把16G内存全都用上试试。
我的问题其实很简单。最多500，000个128维浮点数特征向量，两两比较距离，算每个
特征向量的100个最近点。我估算了一下实际用到的内存也就1G都不到:
特征向量： 500,000 * 128 * 4 = 256M
100个最近点： 500,000 * 100 * (4 + 8) = 600M (每个点保存8位id和4位距离）。
我就不知道怎么用java编出来overhead能那么大。 |
|
n******t
发帖数: 4406 | 28 其实K很好读。比大部分程序都好读。
这东西有点像现代汉语，语法其实简单。但是刚开始学比较难。背的多一点。
所有的K都是自右向左读
!N就是生成0.....N-1的向量。
然后{&/x!/:2_!x} 是一个函数，'是adverb,就是把函数apply到向量的每一个element
上面。
2_!x 就是0..N-1去掉前面两个元素，就是2....N-1
/: 又是adverb叫做each right,然后!作为binary operator就是取余。这样
x!/:2_!x 就是用x 对于每一个2...N-1的数做取余。
然后 &作为binary operator是min(x,y)的意思,/是另外一一个adverb就是迭代
所以&/apply到一个vector上就是取最小值。所以如果x是质数这个最小值是1，
否则是0.
&的意思是take,就是返回为1的的index.a@i是取向量a里下标为i那些元素构成的
向量。
譬如 |
|
p*l
发帖数: 270 | 29 数据的游戏：冰与火
2013年7月31日陈皓
我对数据挖掘和机器学习是新手，从去年7月份在Amazon才开始接触，而且还是因为工
作需要被动接触的，以前都没有接触过，做的是需求预测机器学习相关的。后来，到了
淘宝后，自己凭兴趣主动地做了几个月的和用户地址相关数据挖掘上的工作，有一些浅
薄的心得。下面这篇文章主要是我做为一个新人仅从事数据方面技术不到10个月的一些
心得，也许对你有用，也许很傻，不管怎么样，欢迎指教和讨论。
另外，注明一下，这篇文章的标题模仿了一个美剧《权力的游戏：冰与火之歌》。在数
据的世界里，我们看到了很多很牛，很强大也很有趣的案例。但是，数据就像一个王座
一样，像征着一种权力和征服，但登上去的路途一样令人胆颤。
数据挖掘中的三种角色
在Amazon里从事机器学习的工作时，我注意到了Amazon玩数据的三种角色。
Data Analyzer：数据分析员。这类人的人主要是分析数据的，从数据中找到一些规则
，并且为了数据模型的找不同场景的Training Data。另外，这些人也是把一些脏数据
洗干净的的人。
Research Scientist：研究科学家。这种角色... 阅读全帖 |
|
w***g
发帖数: 5958 | 30 图片搜索应该还么有发展到识别“场景”的水平。但是确实需要用到多个local
feature在空间坐标上的agreement。
我的做法是先按local feature进行搜索，得到一个candidate set后再用feature的空
间坐标进行ranking。
用local feature做搜索开销是非常大的，一个query image直接就能变成100+个
feature query，但是从结果看Google
确实用到了local feature。具体不知道他们是怎么做的。
k-nn graph只是一个索引，大致就是你提供一个算similarity的函数，接受两个对象
指针返回一个相似性值。然后k-nn graph可以迅速帮你找到相似性大于一定threshold
的对象。
具体对象怎么表达，相似性怎么计算按应用而定。以前有一个方法叫做earth mover's
distance，
一个对象表达为一个特征向量的集合，然后相似性则是用线性规划做两个集合之间的匹
配。
这个是比较奇葩的方法了，传统索引只能处理高位向量，不能处理这种高维向量的集合
，但是
我试过k-nn graph可以处理... 阅读全帖 |
|
y**b
发帖数: 10166 | 31 研究了一下智能指针，在这里唯一的好处就是不需要完整类型了。
如果有完整类型，没看出一般情况下智能指针有什么好处，直接管理内置指针很健壮。
实际上智能指针因为引用计数的缘故，大大增加了复杂程度：
shared_ptr如果作为局部变量，在超出作用域时被销毁；如果是唯一引用，则其所指向
的对象也被销毁，所占用的内存会被释放；如果不是唯一引用，则内存不会释放。你看
这有多复杂。
举个例子，一个类有这样一个成员变量：含有智能指针shared_ptr的向量。那么不同成
员函数按一定顺序使用、拷贝或赋值这(整)个向量，会导致引用计数反反复复变化，指
针什么时候存在，什么时候销毁，简直是个灾难了。比如在一个成员函数里面生成一个
新的智能指针，那么在该成员函数之外该智能指针被释放；若将该智能指针加入到向量
，则在该成员函数之外该智能指针不被释放。这种情况，还不如管理内置指针清晰健壮
啊。而且还要保证shared_ptr在无用之后进行手动释放，否则浪费内存。
感觉智能指针只有保证销毁自己一个好处，带来的底层状态变化实在够繁复，没见比直
接管理内置指针更容易。 |
|
W******r
发帖数: 789 | 32 来自主题: ChineseMed版 - 统计的学问 在微观层次上，一种化学药品进入人体后会发生什么化学反应和带来什么生理变化，没
有人能彻底研究清楚。因此，检验药品的安全性和有效性基本上是用统计的方法。中医
之所以不被主流承认，其中很重要的一个原因也是因为中医缺乏统计分析。那么用统计
方法得出的结论有多可靠呢？我们一起来探讨一下。
(1) H0 VS. H1
在假设检验中，零假设H0是处于被保护的位置的，需要很强的证据才能把它推翻。药品
的安全性通常就是对应于两个组没有显著差别的零假设，处于受保护的位置。有一点经
常被人忽略，那就是如果p-value大于阈值，这个时候的结论应该是没有结论，也就是
既不能得出H0不成立的结论，也不能得出H0成立的结论。事实上，如果p-value是0.1左
右，common sense还是应该倾向于认为H0是不成立的，只是没有明显到可以推翻H0的程
度。
举个例子。一个赌场的庄家邀请你和他玩一个游戏。规则很简单：抛硬币。如果硬币正
面朝上，他给你10块钱；如果硬币反面朝上，你给他10块钱。庄家claim说硬币是均匀
的，正面朝上和反面朝上的概率都是0.5。你是一个精明的人。你决定先在旁边观察一
下别人玩的情... 阅读全帖 |
|
j**u
发帖数: 6059 | 33 ☆─────────────────────────────────────☆
herobeauty (高大个) 于 (Thu Feb 8 16:14:33 2007) 提到:
主要为了增加人气，其次为自己涨知识
已知一个行/列向量/矩阵
有没有现成的命令可以输出某行（列/矩阵）中最大/最小元素的坐标。
☆─────────────────────────────────────☆
TrueCabbage (@圆白菜@) 于 (Thu Feb 8 16:31:10 2007) 提到:
max, min就可以
比如说x是一个向量， 你要找到最大值的坐标，那么用
[a b]=max(x)
a是最大值
b是所在向量中的位置
同理可以推广到矩阵
☆─────────────────────────────────────☆
herobeauty (高大个) 于 (Thu Feb 8 16:36:07 2007) 提到:
白菜好！
☆─────────────────────────────────────☆
herobeauty (高大个) 于 ( |
|
y*******s
发帖数: 267 | 34 来自主题: Computation版 - 请教问题 【 以下文字转载自 Statistics 讨论区 】
发信人: yunatidus (为了美好生活), 信区: Statistics
标 题: 请教问题
发信站: BBS 未名空间站 (Fri Jul 10 18:22:26 2015, 美东)
1、请问multiple variable regression的具体方法？
是不是用generalized inverse比较可靠？
即：Y=Z*b+e
Y(n,1)是输出数据向量(已知)；b=[1,b1,b2,b3,...br]是待定系数向量(未知)；Z(n,r+1)是输入数据矩阵(已知)；e是误差向量(未知)。
怎么求解b比较可靠？
2、请问如果待定系数的个数特别大，例如r=5000，怎么求解比较容易？
3、用R的话，用哪个函数可以求解？
可否推荐一些网站，有现成的code及example，关于multiple variable regression的模型的？
另外，linear programming的模型及code，哪里可以下载？谢谢 |
|
m*********d
发帖数: 58 | 35 A矩阵是n乘n的对称实数矩阵，其中元素已知，则可以求出它的特征值和特征向量。
现有B也是n乘n已知的 正实数对角矩阵，那么B*A的特征值和特征向量 应该和 A与B的特
征值和特征向量 之间 有什么关系。
郁闷啊，这个问题弄了好几天了也没弄明白
xdjms 谁能帮忙看一眼？无限感激 |
|
h***s
发帖数: 1716 | 36 很早的一个基于hebbian规则的学习算法，是Kohonen的自组织网络，self-organizing
map（SOM）。算法思路和你描述的动力过程很相似，而且公式非常简单。基本思路就是
，预先给出一个，比如二维的，单元网络连接结构，然后自动学习各个单元的“特征”
向量（任意高维的），最后得到一个二维的网络连接结构，表达了高维“特征”向量的
几何（距离）关系。实现这个的原理就是基于『cells that fire together， wire
together』的思想，邻近单元的“特征”向量同步地学习和更新。当然，其他还有很多
类似的学习算法。 |
|
m*********d
发帖数: 58 | 37 A矩阵是n乘n的对称实数矩阵，其中元素已知，则可以求出它的特征值和特征向量。
现有B也是n乘n已知的 正实数对角矩阵，那么B*A的特征值和特征向量 应该和 A与B的特
征值和特征向量 之间 有什么关系。
郁闷啊，这个问题弄了好几天了也没弄明白
xdjms 谁能帮忙看一眼？无限感激 |
|
g******s
发帖数: 410 | 38 令矩阵A=x*x^H，其中x为列向量，那么A^H=A。反过来，任一semipositive definite的
Hermitian矩阵，能分解为某一列向量的外积吗？是否有什么附加条件要满足？给定了A
，如何构造向量x呢？谢谢 |
|
g******s
发帖数: 410 | 39 那不就回到特征值分解了吗？这个半正定矩阵表示为一组（可能是N个）特征向量外积的
加权和，而不是某一个（随机）向量的外积。不知道我的理解有没有不对？我原来的问
题是想把A分解成一个列向量的外积的期望。 |
|
s******d
发帖数: 1 | 40 假定A是一个LxL 阶的实对称Toeplitz 矩阵,它的第一行元素是一个等差数列[L L-1 ..
. 1]。A的最大特征值lamda1对应的特征向量记为v1，归一化使v'v=1.根据perron定理
，v1是正向量。
我的问题是，不通过特征分解估计x=sum(v1)/sqrt(L)的下界。从仿真上看，x可能>0.
993，非常接近1.
但是，我如果只利用v1为正向量这一事实，则由x>=sqrt(L)*min(sum(A))/lamda然后估
计最大特征值便得到一个下界，但这个下界好像太松了，比如在L=5时大约为0.4。有没
有更紧的下界呢？
想不到其他任何的解题思路，希望能得到大家的指点，多谢！ |
|
s*******1
发帖数: 40 | 41 三个3D向量a，b，c，其中a是已知，b，c是未知向量。 约束条件是b允许绕着a以固定
交角旋转（b和a的交角已知），然后c允许绕着b以固定交角旋转（c和b的交角已知）。
想问一下向量c端点最后形成的方程是什么？
谢谢！ |
|
v****k
发帖数: 229 | 42 下面这个问题可能有点不太专业，anyway：
我们知道正交矩阵 Q 的概念:各个列向量相互正交，各个列向量模为 1；行向量有同样
的性质。那么有没有这样的函数 f(x,y), =0 for y1 != y2, and
|f(x,y)| = 1 for any y. Similar property for the other variable.
牛人能给一个例子么？ |
|
b*****n
发帖数: 78 | 43 已知向量 P 个 N 维向量 v_1, v_2, ..v_P 彼此互相正交。当 P << N 时，请问什么
快速方法可以构建其余 N-P 个正交向量？ Gram–Schmidt 的计算量很大， 好像是 O(
N*N*N)。谢谢！ |
|
j****s
发帖数: 156 | 44 请问有没有paper或者书讨论这样的问题。
算是nonlinear estimation的一个特例
z=f(x)g(y)+n
其中，x和y是要估计的向量。 n是干扰噪声，z是observation向量。f()是线性矩阵方
程，g()是线性向量方程,f(),g()的表达式都已知且维数匹配。
最简单就是ML直接搜，但是x，y维数高了就太复杂了。有没有稍微简单的方法可以保证
找到全局最优解的？谢谢 |
|
