强规则

外传：

最近我在《统计自然语言处理基础》中看到的一个处理概率的问题，和我之前想的有相同之处：利用贝叶斯理论，但是原假设上我们确不同。感新区的朋友可以去看看该书的2.1.10 贝叶斯统计章节。

什么是强规则？

顾名思义，强规则就是很强的规则，一般来说就是指凌驾于一切规则之上的规则，他是最基础、最本质、最接近真理的规则。

强规则是什么？

由于本人术业所限，自然就是指机器学习这一块的强规则。本文的意图并不是推导和证明一个强规则，而是提出一个猜想，然后介绍他。

人类是怎么认识与描述世界的？

首先人很懒的，一句话能说明的事，不会使用两句话。所以的我们的知识应该是满足某个最简形式的。一开始我以为是SVD或者深度学习（这个我也不太懂）的理念——使用最少的维度来最大程度的度量事物，但是后来觉得不是这样子。如果还用矩阵来形容的话，应该满足如下规则：当把所有事物放在行的位置，而所有特征都分配一个列时，再把所有事物的对应特征赋值时，需要满足的条件不是每一个维度都要正交并且当前情况尽可能多的描述事物（这是SVD的追求），而是矩阵最稀疏，非零值最少，也就意味着描述最简单。其实这个可以作为一个目标函数，尝试各种不同的东西作为特征维度，说不定能训练出一个不错的模型。