统计模型把句子看做，单词的依次排列，即多个单词的复合条件概率。词是文章的原子单位，nlp的基本思路是，向量化词（可计算），为文档建模，之后进行分类、相关性分析等处理。word embedding，就是找到一个映射或者函数，生成在一个新的空间上的表达，该表达

从本周开始，我们将定期刊登 Google 科学家吴军写的《数学之美》系列文章，介绍数学在信息检索和自然语言处理中的主导作用和奇妙应用。它能非常清晰地描述这些领域的实际问题并且给出漂亮的解决办法。Google的使命是整合全球的信息，所以我们一直致力于研究如何

前段时间因为学校的云计算比赛我无意间接触到了Spark云计算框架，从此对其一发不可收拾，无论从其执行效率还有他的其他方面的架构都感觉到无比强大，作为一个云计算的解决方案他有着比hadoop更好的优越性。因为Spark我又接触到编程语言届的新贵Scala面向

方差/偏差权衡在统计学和机器学习领域，一个重要的理论结果是，模型的泛化误差可以被表示为三个截然不同的误差之和。偏差这部分泛化误差的原因在于错误的假设，比如假设数据是线性的，而实际上是二次的。高偏差模型最有可能对训练数据拟合不足。具有高自由度的模型很可能也有

作为一个在这个行业已经好几年的数据科学家，在LinkedIn和QuoLa上，我经常接触一些学生或者想转行的人，帮助他们进行机器学习的职业建议或指导方面相关的课程选择。我为一些有追求的数据专家整理了一个简短的指南，特别是关注统计模型和机器学习模型；这些主题包

基于软件的程序可以排除重要的统计概念，并且基于数学的程序可以跳过算法设计中的一些关键主题。我为一些有追求的数据专家整理了一个简短的指南，特别是关注统计模型和机器学习模型；这些主题包括教科书、毕业生水平的统计学课程、数据科学训练营和其它培训资源。

机器之心向大家介绍一门统计机器学习课程，该课程的授课老师是 CMU 的 Ryan Tibshirani 和 Larry Wasserman，他们从回归模型到概率图模型向我们展示了统计机器学习的全面概念与推导。本课程适合有一定概率论和机器学习基础的读者进一步

统计机器学习是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科。统计机器学习的总目标就是考虑学什么样的模型和如何学习模型，以使得模型能够对未知数据进行准确的预测和分析。统计机器学习方法的三要素就是：模型、策略和算法。在监督学习过程

自然语言处理的一个基本问题就是为其上下文相关的特性建立数学模型，即统计语言模型，它是自然语言处理的基础。1 用数学的方法描述语言规律假定S表示某个有意义的句子，由一连串特定顺序排列的词ω1，ω2，...，ωn组成，这里n是句子的长度。现在，我们想知道S在文