周六,依然是技术交流,上次技术交流欠的技术债还没有还完,这次又来新的东西了,真是学不完;对知识的思考,对人生的思考,真是应了那句话"吾生也有涯而知也无涯,以有涯随无涯,殆己";
虽然没有实践,但是零散的记录一下周六的交流及所思;
# 马尔科夫链-蒙特卡罗方法
# 马尔科夫链
- 马尔科夫链定义本身比较简单,它假设某一时刻状态转移的概率只依赖于它的前一个状态
- 举个例子,假如每天的天气是一个状态的话,那个今天是不是晴天只依赖于昨天的天气,而和前天的天气没有任何关系
- 这么说可能有些武断,但是这样做可以大大简化模型的复杂度,因此马尔科夫链在很多时间序列模型中得到广泛的应用
- 比如循环神经网络RNN,隐式马尔科夫模型HMM等,当然MCMC也需要它
- 马尔可夫链的数学定义:𝑃 𝑋𝑡+1 = 𝑥 𝑋𝑡, 𝑋𝑡−1, … = 𝑃(𝑋𝑡+1 = 𝑥|𝑋𝑡)
- 既然某一时刻状态转移的概率只依赖于它的前一个状态,那么只要能求出系统中任意两个状态之间的转换概率,这个马尔科夫链的模型就定了
马尔可夫链-蒙特卡罗方法,简称MCMC方法
- 是一个从已知分布中抽样的方法
- 可以模拟生成一条马尔可夫链
# 转移矩阵
# 随机与伪随机
# 自相关性
# MCMC方法
# MCMC的M-H采样
# MCMC的Gibbs采样
# 二维及多维Gibbs采样
# 从0到1开启商业与未来的秘密-第七章读后感
朱博士朱总,最后给他们公司的员工提了一个课后要求,回去读《从0到1开启商业与未来的秘密》这本书中的第七章,然后写一篇读后感;工作后,基本没有这样的要求,觉得挺新颖的,借着此机会,我也找来了此书准备一读;
# 饭后杂谈
今天的课听的依然是很懵,利用饭后散步时间跟老大聊了很多;老大纠正了很多我以为自己理解的东西
# 自相关性
计算机无法模拟出真正的随机数,所有的随机数都是伪随机数,在一定意义上都是有自相关性的;所谓的自相关性,自相关性是指随机误差项的各期望值之间存在着相关关系;
# 社会结构与转移矩阵
这是一个社会性话题,依赖于今天讲解的转移矩阵的概念;先回顾下转移矩阵,可以参考上面转移矩阵的知识点;
现在社会对双减政策的打击,视乎就可以理解为对转移矩阵的一次调整,如果转移矩阵保持恒定,那么是件非常可怕的事情,人类社会会逐渐趋向于稳定,比如日本、韩国这种阶层的完全固化,那将会是件非常可怕的事情;所以国家会对这种“转移矩阵”
进行打一巴掌,随意调整下,让这种社会性随机能保持一定的随机性走下去,社会才有新的活力,阶层的固化看似稳定,但缺少活力;