gx262091291的专栏

1.Andrew Ng的Machine Learning2.Daphne的Probablistic Graphical Models3.Geoff Hinton的Neural Networks备注：最重要的是Greoff的，他主页上还有一门高级课的资料，学完coursera上的，再看他主页里的。上述任务要在研一上做完。

笔者在参考网上给的机器学习代码的时候，发现Anaconda 2.5.0 (64-bit)并没有提供该库，后来我在graph上找到了官方的igraph，结果安装的时候出现如下错误：缺少c模块经过长时间的摸索，没有找到c模块对应的处理办法。但是从stackoverflow上找到几个类似的情况http://stackoverflow.com/questions/29203929/in

http://blog.csdn.net/aldenphy/article/details/27201169该文是2010的配置，2013同样适用。

#从100个样本中抽取90个样本，无放回抽样，做10次SampleNumRows100NumNum  dataSetSamplefor (i in 1:Num) {  dataSetSample}

1.针对PC算法，用KCIPT算法替代PC算法中的d分离的时候，涉及X、Y、Z三个变量，其中，Z可能对应多个节点，但是KCIPT输入需要维度一致。处理Z多节点的核函数的方法就是利用Kernel的性质来进行处理，比如X = (X1,X2),对应两列数据，Y=(Y1,Y2)，也对应两列数据。这里利用张量积来处理，即Tensor Product此时，Kernel(X,Y) = k(X1,Y1) .*

s = rng; [idx,~] = kmeans(Z1,ClusterNum); rng(s);如上述代码所示，在使用matlab的kmeans函数的时候，原来的随机函数流被破坏，导致后续的随机序列发生改变，从而使得蒙特卡洛迭代得不到正确的结果，为了解决这个问题，我们需要保存当前的随机函数状态，在这里需要使用rng函数来获取当前随机种子状态。即s

1.基础学习2018年春节前，复习一遍深度学习基础2.项目实战训练2018年春节期间，实战一个深度学习项目

(1)tensorflow 安装低版本命令由于cuda版本较低，为cuda 8.0.导致与高版本tensorflow不兼容，所以需要安装低版本tensorflow。安装前，需要删除之前的tensorflow-gpu版本。很简单, 用pip指定安装版本重新安装:pip install tensorflow-gpu==1.3.0我们也可以不安装低版本tensorflow，操作如下：(2)Anacond...