数学、物理、网络、计算机等学科交叉创新(2)

> 信息论（香农）
  香农第一定律：对于信源发出的所有信息设计一种编码，那么编码的平均长度一定大于该信息的信息熵，但同时香农指出，一定存在一种编码方式，似的编码的平均长度无限接近于它的信息熵。这带来一种方法论，经济学上的吉尔德定律，即尽量多地采用便宜的资源，尽可能节省贵的资源，与信息论中的霍夫曼编码从本质上讲是相同的。信息时代，由于摩尔定律的作用，计算机是便宜的资源，而且越来越便宜，人力成本则会越来越高。因而计算机逐步替代人的工作。

  香农第二定律，信息的传播速率不可能超过信道的容量。商业中人脉就是人与人交往的带宽。

> 马尔可夫链（马尔可夫决策），贝叶斯，哈密顿圈

  安德烈·马尔可夫，以数论和概率论方面的工作著称，他的主要著作有《概率演算》等。
  马尔可夫链，是指数学中具有马尔可夫性质的离散事件随机过程。该过程中，在给定当前知识或信息的情况下，对于预测将来会发生什么，发生的概率是多少。

  最简单的哈密顿圈就是哈密顿提出的问题：地球上有二十个城市构成一个正十二面体，怎样做到不重复的走遍每一个城市回到出发地？
  对于一个图中是否存在一条哈密顿路，没有可靠的充分必要条件（貌似邻接矩阵恒式可以？），因此求哈密顿路是一个NP问题，一般要使用搜索和状压dp求解，但汉密尔顿回路的存在有许多充分条件，即当图满足某些特定性质的时候，汉密尔顿回路一定存在，而且可以根据一些算法构造出来。
  哈密顿图（哈密尔顿图）（英语：Hamiltonian path，或Traceable path）是一个无向图，由天文学家哈密顿提出，由指定的起点前往指定的终点，途中经过所有其他节点且只经过一次。在图论中是指含有哈密顿回路的图，闭合的哈密顿路径称作哈密顿回路（Hamiltonian cycle），含有图中所有顶点的路径称作哈密顿路径。
  寻找哈密顿回路，运用了深度优先搜索方法，即递归和回溯法思想。

  朴素贝叶斯算法对于做数据挖掘和推荐系统，贝叶斯的JAVA分类器
  数据挖掘贝叶斯(Bayes)算法，算法假定训练数据各属性列的值均是离散类型的。若是非离散类型的数据，需要首先进行数据的预处理，将非离散型的数据离散化。
  bayes 是一种统计学分类方法，它基于贝叶斯定理，它假定一个属性值对给定类的影响独立于其它属性点的值。该假定称作类条件独立。做次假定是为了简化所需计算，并在此意义下称为“朴素的”。

> 基础研究”和“实践应用”

学术论文/专利  微软的广告系统、新闻搜索

基础研究”和“实践应用”。我们本质上是对用户或者人进行研究。心理学研究人类心理现象，社会学是研究人类群体和社会行为还有脑科学研究人类大脑。

>   数据挖掘，英文名叫Data mining，一般是指从大型数据库中将隐藏的预测信息抽取出来的过程，而更为精确的解释则是“从数据中挖掘知识”。
而就目前而言，数据挖掘大致上是可以分为四个层次：纯粹数据加工、傻瓜式挖掘、较为自由的挖掘以及算法拆解和开发。

  贝叶斯定理，还是要先了解各个概率所对应的事件。P(A|B) 是在 B 发生的情况下 A 发生的概率；
贝叶斯统计作为常用的基础算法，不要小看其作用，其在机器学习中是占据重要的一席之地。尤其是在数据处理方面，针对事件发生的概率以及事件可信度分析上具有良好的分类效果。