序言
两年前就已了解到吴军博士的著作,直到如今才开始阅读。阅读第一本书籍就给了我极大的震撼,可以从吴军博士深入浅出的文风中阅读到他雄厚的知识储备。
这里本人仅写出能够描述的知识内容。
一、图论和网络爬虫
爬虫是怎样实现的?尽管可以直接GET或POST方法或框架,相信许多人都只知道它们可以爬虫,对其使用到底技术也许未曾了解到。
网页中可以点击文本跳转到另一界面,这种被称作超链接,有了超链接,我们可以从任何一个网页出发,用图的遍历算法,自动地访问到每一个网页并把它们存起来。完成这个功能的程序叫做网络爬虫。
我们先来讨论网络爬虫。
假定从一个网站首页出发,通过分析首页可以找到页面里的所有超链接,也就等于知道了这家门户网站首页所有直接链接的全部页面。接下来访问、下载并分析这家门户,又能找到其他相连的网页。
同时我们也要记载哪个网页下载过了,以免重复。
对于爬虫有两个算法:
- 广度优先算法
- 深度优先算法
我们想象一个三层的图形,广度优先算法就是现将从第一层到第二层再到第三层,这样一层一层来。而深度优先算法则与之相反,它获得第一层内相关连的内容获取完,再到第一层其他内容继续深入下去。
看图也许更清晰:
二、贝叶斯网络
贝叶斯网络在没看到本书前,我从未了解,也不敢去了解,因为看到名字我就被震慑住了。
我们来看,就假设一只蝴蝶扇动翅膀导致某个地区出现了飓风,但它们的相互关系是很复杂的。
吴军博士用心血管疾病和胆固醇量、血脂吸烟以及运动量、饱和脂肪摄取量和家族病史相关联。
但他们之间的相互关系可能交叉,错综复杂。假定图中马尔可夫假设成立,即每一个状态只跟与其相连的状态有关,而跟与它间接相连的状态没有直接关系,那么它就是贝叶斯网络。
就是这样!没错就是这样。
在网络中,每个节点的概率,都可以用贝叶斯公式来计算,贝叶斯网络因此得名。
但更深入的贝叶斯网络,还请读者自行查阅。
三、云计算
云计算技术设计面广,从存储、计算、资源的调度到权限的管理等。
云计算的关键之一是:如何把一个非常大的计算问题,自动分解到许多计算能力不是很强大的计算机上,共同完成。这种叫思想叫:分而治之。
分而治之的基本原理就是:将一个复杂的问题,分成若干个简单的子问题金子不过解决。然后,对子问题的结果进行合并,得到原有问题的解。
四、人工神经网络
人工网络听起来像是用人工的办法模拟人脑,加上它使用了一些与生物有关的名词比如“神经元”,让人感到很神秘,同时联想到仿生学或认知科学等一辈子都搞不懂的东西。
其实它就是一种有向图。