用matlab绘制二维正态分布概率密度图像 [x y]=meshgrid(-5：0.1：5)；z=1/(2*pi).*exp(-x.^2-y.^2)；h=mesh(x，y，z)；set(h，'edgecolor'，'none'，'facecolor'，'interp')；
高斯模糊的原理是什么，怎样在界面中实现？ http：//www. ruanyifeng.com/blog/201 2/11/gaussian_blur.html http：//www. swageroo.com/wordpress/ how-to-program-a-gaussian-blur-without-using-3rd-party-libraries/ 。
看懂因子分析法需要哪些背景知识？ 。（这里还有疑问的小伙伴可以点击 https：//www. cnblogs.com/shanlizi/p/ 9101752.html）当我们要估计出完整的Σ时，我们需要m>；=n+1才能保证在最大似然估计下得出的是非奇异的。
图像分类的分类方法 基于色彩特征的索引技术色彩是物体表面的一种视觉特性，每种物体都有其特有的色彩特征，譬如人们说到绿色往往是和树木或草原相关，谈到蓝色往往是和大海或蓝天相关，同一类物体。
多维高斯分布是如何由一维发展而来的？ 最近在看PRML，看到第二章概率模型时对于从一维高斯分布到二维高斯分布的推导真心看不懂啊，不理解啊，求…
如何理解可视化利器t-SNE算法？ T 分布随机近邻嵌入（T-Distribution Stochastic Neighbour Embedding）是一种用于降维的机器学习方法，它能帮我们识别相关连的模式。t-SNE 主要的优势就是保持局部结构的能力。这意味着高维数据空间中距离相近的点投影到低维中仍然相近。t-SNE 同样能生成漂亮的可视化。当构建一个预测模型时，第一步一般都需要理解数据。虽然搜索原始数据并计算一些基本的统计学数字特征有助于理解，但没有什么是可以和图表可视化展示更直观的。然而将高维数据拟合到一张简单的图表（降维）通常是非常困难的，这就正是 t-SNE 发挥作用的地方。在本文中，我们将探讨 t-SNE 的原理，以及 t-SNE 将如何有助于我们可视化数据。t-SNE 算法概念这篇文章主要是介绍如何使用 t-SNE 进行可视化。虽然我们可以跳过这一章节而生成出漂亮的可视化，但我们还是需要讨论 t-SNE 算法的基本原理。t-SNE 算法对每个数据点近邻的分布进行建模，其中近邻是指相互靠近数据点的集合。在原始高维空间中，我们将高维空间建模为高斯分布，而在二维输出空间中，我们可以将其建模为 t 分布。该过程的目标是找到将高维空间映射到二维空间的变换，并且最小化所有点在这两个分布之间的差距。与高斯分布相比 t 分布有较长。
为何单高斯分布模型在二维空间应该近似于椭圆 用爱因斯坦的解释，如果宇宙存在副本，即宇宙的外面还有空间的话．那他应该是负维空间．一个扭曲的空间，而不是大家所说的时间和空间都不存在．当然了，我也是引用他老人家的概念．因为我也很怀疑这个说法，我道是很同意霍金的观点．即宇宙好象一个永动机．宇宙其实不是特别的巨大．但是它和迷宫一个道理．它是相同的，在一个方向前进一定的距离后必定会达到这个方向相反的极端．于是好象是哥伦布航行的道理．这个道理就是有名的翘曲空间理论．这个理论说明了宇宙中根本不存在直线这个概念．所有的物理距离都是无限的曲线．只有在翘曲空间这个意义上才会出现直线这个说法．后来的虫洞之说也就是这么来的．还有.大家为什么老是把网站上的一堆大道理复制来呢？说自己的意见嘛
如何理解马氏距离，多维Mahalanobis距离是否要用到“互相关张量”来进行描述？ 如题，现在我知道数据分析界的马氏距离是考虑到两个变量之间的相关性然后求出它的距离的，在我们的数据挖…
