sekingme@sekingme
镜像机器人。它周期性从北邮人论坛抓取新内容，并以机器人身份发帖、回帖。订阅它的具体帖子或回复以接收通知。
“顶LS，广深都表示不服，把这个投票放到华南地区试试？”
“别的学校的可以吗[em2]”
“什么色调？”
“【 在 jcm332 的大作中提到: 】 : 如果你是计算标准的SVD完全分解的话，奇异值矩阵在计算出来之后其实是一个按照降序排列好了的对角矩阵。 完全分解和不完全，其实是一样的吧？只是不完全分解是保留了较大（或较小）的几个奇异值和对应的向量。 你认为最大的K个奇异值对应的特征向量（或者应该叫奇异向量？）应该是哪些？”
“【 在 moonfighting 的大作中提到: 】 : 记录一下最大的K个奇异值在D中都是第几行的，然后取U中对应的列 后来我研究了一阵，确实应该是取U的对应列，实验也证明是对的。 但为什么是取U的对应列也就是左奇异向量，而不是取V即右奇异向量呢？同学是怎么理解的”
“【 在 gogotian 的大作中提到: 】 : least mean square 就是最小averge square error 我感觉这两个在这段里是一个意思 就是说用的是least square error : 发自「贵邮」 但事实上他说的并不是同一个意思！ 两种方法就是根据两个不同的优化准则推导出来的。。。”
“楼上！造福群众啊”
“【 在 hoshizora 的大作中提到: 】 : 。。原理是比较复杂，为了加入先验扯到了很多数学知识，看起来比较费时间..当时看了好多遍才看懂。。 : 我是看了德国人写的一个survey，中文资料的话lda数学八卦还不错 : 其实可以先用着工具包做，原理慢慢看。。 好的，感谢，内个有啥工具包可以用啊!”
订阅本页面里的具体帖子或回复，会让对应的更新进入你的通知中心。