落园 » 读书有感|专注经济视角下的互联网

最近在修的几门课...(Sep, 2013)

大家火眼金睛,微博上随便吱呀一句全都猜出来了...最近在修几门历史和艺术相关的课,总而言之就是我觉得我的人文修养实在是太烂了...工作之后的好处就是想学点什么就学点什么,自由的很,随心而至。

《史记》记载,秦始皇时期,“秦法,不得兼方。不驗,輒死。”。而我就属于那种死就死了吧...总是想学点好玩的东西的人。

现在在follow 的几门课是:

Read more


Causal Inference?

只是习惯性的刷feedly(不再是google reader)的时候刷出来Andrew的这篇post...

The Roy causal model?

看到Heckman的时候眼睛顿时一亮。嗯,这是怎么个情况?谁来给我讲讲这里面的宿怨?

然后顺藤摸瓜的,就跑到Rubin causal model那里去了。一直对econometrics宣称的causality有所顾虑,但是没想到这东西居然还在各个领域被发扬光大(越来越体会到economist开山收徒弟的威力)。先不管这个东西的基础到底如何,从实用的角度确实符合了大众的需求——要不这些人早就失业了吧?

但是从实践来看,无论[......]

Read more


统计学习精要(The Elements of Statistical Learning)课堂笔记(二十五):降维和PCA

 降维

降维完全属于unsupervised learning了,即给定数据集\{x_{1},...,x_{n}\},x_{i}\in\mathbb{R}^{p},我们希望降到q维的\{z_{1},...,z_{n}\}。从这个角度来讲,降维和聚类还是有相通之处的,都是对于特征的提取。只是一个从行的角度出发,一个对列操作的感觉。

PCA(主成分分析,Principle Component Analysis)

个人觉得这也是起名字起的比较好的模型之一...乍一听起来很有用的感觉 -_-||

1. 求u_{1},$$\left\Vert u_{1}\right\Ve[......]

Read more


统计学习精要(The Elements of Statistical Learning)课堂笔记(二十二):核函数和核方法

补上笔记。这节课讲的就是大名鼎鼎的Kernel Method...

核函数(正定)

定义 K(x,y), x,y\in\mathbb{R}满足:

1) 对称: K(x,y)=K(y,x)

2) 正定: n个观测x_{1},x_{2},...,x_{n}\in\mathbb{R}^{p},$$K_{n}=\left[\begin{array}{ccc}K(x_{1},x_{1}) & \cdots & K(x_{1},x_{n})\\\vdots & \ddots & \vdots\\K(x_{n},x_{1}) &[......]

Read more


统计学习精要(The Elements of Statistical Learning)课堂笔记(二十四):聚类

聚类讲的比较简单...怎么感觉老师不怎么待见unsupervised learning捏?...

---------------笔记开始---------------------

1. 一般概念

1)分类与聚类(分类标识)

评测纯度。我们有测试集\{x_{i}\},这样定义纯度为p_{k}=\frac{m_{k}}{N_{k}}\leq1,\forall k.

2) 输入

  • 特征向量的表示:\{x_{i},1\leq i\leq N\},x_{i}\in\mathbb{R}^{p}
  • 相似矩阵的表示:$$S=\{s_{ij},1\leq[......]

Read more