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；