Brief introduction to Markov chains
Definitions, properties and PageRank example.
- Introduction
1998年,Lawrence Page,Sergey Brin,Rajeev Motwani和Terry Winograd发表了“PageRank引用排名:将秩序引入网络”这篇文章,他们在谷歌的起源上引入了现在着名的PageRank算法。 二十多年后,谷歌已经成为一个巨人,即使算法已经发展很多,PageRank仍然是谷歌排名算法的“象征”(即使很少有人能真正说出它的重量) 占据算法)。
从理论的角度来看,值得注意的是,PageRank算法的一种常见解释依赖于马尔可夫链的简单但基本的数学概念。 我们将在本文中看到马尔可夫链是随机建模的强大工具,对任何数据科学家都有用。 更具体地说,我们将回答基本问题,例如:什么是马尔可夫链,他们有什么好的属性以及可以用它们做些什么?
- Outline
在第一部分中,我们将给出理解马尔可夫链所需的基本定义。 在第二节中,我们将讨论有限状态空间马尔可夫链的特殊情况。 然后,在第三部分中,我们将讨论马尔可夫链的一些基本属性,并将用许多小例子说明这些属性。 最后,在第四部分中,我们将使用P