Topology之前讲了那么多抽象的结构，本次就来见一下实物图吧 当然，实物图也不完全是真实具象的，我们的讨论仍然基于提取出的实轴的一些抽象特征 本篇跳过，也不会有任何抽象层面的影响 实物图—实轴当序拓扑遇上连通实轴上的连通性大家都很熟了，只不过在现在来看，能看得更加“抽象”一点：原先想的是实数、有理数等等具体的对象，现在想的全是序等抽象的结构！ 定义 （线性连续统）元素多于一个的全序集$L...

Topology“深刻的大定理” Tychonoff 定理在积拓扑下，紧致空间的任意积还是紧致的 两个引理定理 （含$\mathscr{A}$且有限交性质的极大集族$\mathscr{D}$）一个集合$X$，记$\mathscr{A}$是$X$的一个具有有限交性质的子集族。那么，存在一个具有有限交性质的子集族$\mathscr{D}\supset \mathscr{A}$，使得任何真包含$\...

TopologyHausdorff、连通、紧致本篇讨论拓扑不变量，所谓拓扑不变量，就是互相同胚的空间中保持一致的一个性质。这个性质的用场是，如果你想证明$X$和$Y$空间是“不同”的（在同胚意义下），该怎么说明呢？用同胚映射不容易，因为万一同胚映射真的存在，只不过你没找到而已。拓扑不变量可以来帮忙，有哪个拓扑不变量，在$X$中是这样在$Y$中却是那样，就证明了两者必定不同胚！ Hausdor...

Topology序、积、商拓扑在本篇中，我们将引入一些新的结构：序、笛卡尔积……手中能用的上的工具是第一篇中讲述的所有概念与性质 常用技术提示： $f^{-1}(\bigcap A_\alpha)=\bigcap f^{-1}(A_\alpha)$，$f^{-1}(\bigcup A_\alpha)=\bigcup f^{-1}(A_\alpha)$ $(f\circ...

Topology拓扑基本概念这些例子解开了数学家们心中的谜：“一个集合和一扇门究竟有什么不同呢？” 拓扑的基定义 (拓扑) 集合$X$上的拓扑（topology）指：有一个子集构成的集合$\mathscr{T}$，开集（open sets）定义为它其中的元素，满足： $\varnothing$和$X$本身是开集 开集的有限交仍是开集 开集的任意并仍是开集 定义了拓扑的集合，就升格...

微分几何入门微广 by 梁灿彬 拓扑空间基本的拓扑知识回忆 定义 拓扑集合$X$上的拓扑指：有一个其子集构成的集合$\mathscr{T}$，开集就定义为它其中的元素，满足： 空集和$X$本身是开集 开集的有限交仍是开集 开集的任意并仍是开集 我们知道，在一般的拓扑空间中，连续的定义是“开集的逆像仍开”，而在度量空间上这等价于$\epsilon-\delta$的连续定义，梁老画图给...

统计学习方法SVM支持向量机大家耳熟能详，应该没人反对向量机吧 线性可分支持向量机（硬）本节讨论线性可分数据集的情形 感知机数据集$\set{(x_i,y_i)},y_i\in \set{-1,1}$是线性可分的，指存在一个平面：$$w^\ast \cdot x+b^\ast =0$$能将标签是$-1$和$1$的数据点划分开 当$x$从该平面的一侧变到另一侧时，$w^\ast \c...

统计学习方法Adaboost简介这不是一个具体的算法，而是一个进化方法。基于某一个已经有的算法，Adaboost能让它变强 弱分类器：就是一个分类算法，只不过它比较菜，菜到什么程度呢？菜到就比依概率随机分类要强那么一点，比如一个正确率55%的二分类算法 Adaboost的思想是什么呢？和听写一个道理，初始，字都不会写，第一次错了很多，订正的时候把写错的字罚抄10遍，第二次听写时，你着重关注了...

统计学习方法决策树简介决策树由结点和有向边组成，最末端的叶结点表示一个类 非末端的结点就是一个决策点，类似于switch case语句，经过该决策点后数据就做了一次划分。整棵树，就是一些case语句的合体 我们要通过一些数据，学出一颗棵很聪明的树，能对新来的数据进行分类，企图让树拥有决策的智慧 十年树木，百年树人目标：我们需要的是一个与训练数据矛盾较小的树，而不是一个完美划分的树，如果目标是...

统计学习方法MCMCMonte Carlo就是“用随机抽样进行模拟数值计算”，均匀撒点求面积、用样本均值计算总体均值，都算Monte Carlo方法，毕竟，Monte Carlo是赌城的名字而非科学家的名字 注意：此处需要概率分布是已知的！你的目标就是求某一概率密度分布$p(x)$下的某个统计量，当然需要事先知道该概率分布$p(x)$ 一个潜在的问题是，你想用“样本”去近似算统计值（依靠大数...