前言 前段时间一直配置mac，又是那种半焦虑式地沉浸，对软件的试用算是工具癖，其实是一种病，有句话说得好，一流的程序员炫耀他们的代码，二流的程序员炫耀他们的工具。所以才会有那么多关于那种语言最优秀的争论充斥着各种编程论坛。 昨天的工作继续无甚可说，这实际是一种可怕的现象，意味着自己无法从杂乱的工作中抽象出一种统一的学习框架出来，意味着工作中学习的东西都是破碎的，离散而分裂的。 工作了小半年，零碎学习到东西不少。然而最的收获的，却是见解。 关于猜测。 两种猜测的风格 * 基于猜测本身的猜测 刚一开始我自己自己的做事方法是，自己经常要去证实猜测本身，如果我猜测某个变量是这么个用法，我很可能会下个断点或者print一下，

新的系统终于初告成型，导图，笔记，ipython，mathematica，一切毛线都勉强有了归宿，虽然onenote依然没有找到一个比较好的解决方案，不过outline加上微软的阉割版，勉强也算是能用了，现在开始感觉到mac系统的好，不过我想说的不是这个。 我一旦搞起来东西就完全忘了时间，忘了其他一切事情，现在说自己是个不善于处理多任务的dos系统，应该无甚大错误。 今天到朋友分享的一篇文章，心甚有感，一向以来，都对自己所容易厌倦这个特质又爱又恨，容易厌倦，因为没有长性，很容易在把一件事情做好之前，就感觉已经没有什么内容再吸引我做下去的了，然而同时也感觉，正因为厌倦，

最近换了电脑，终于要彻底告别使用了多年的win系统了，虽然说mac的命令行与图形界面的结合使得其在三大系统中成为最省心的程序员的选择，然而win下的那些神器在mac还能找到替代么？ 思维导图？效率笔记，快捷操作？以及无论硬盘多大都是一键直达的everything，换。回系统要做的工作实在是太多了。 mathematica和matlab这两个哥们就不说了，在mac均有对应版本，安装之后现在还没有过多使用，体验等之后用了再说，感觉操作差别不大。 思维导图是一个重点，在win下我是mindmanager的重度用户，无论是读书笔记，时间规划，任务调研，此程序都是不二之选，最方便的无非是文件格式直接搜集，强大的快捷键无缝编辑，超链接与结点笔记，在mac下这些功能依然还在，

本来说今天中午要写一prml，但是第一章快读完了，可是回头再一看最大后验概率，很多东西像没看一样，于是再抓起来做导图。 上次简略地提了下贝叶斯学派和频率学派的区别，接下来就细说一下这两派的不同的作法。 对于频率学派来说，既然把整个模型的参数看作固定的，那么要做的事情就是去估计这个参数，而一个非常常用的方法就是最大似然估计。 假设我们现在有一个曲线拟合问题，也就是说，我们有一堆相互对应的(x,t)（与书中符号一致，这里的目标值写做t而不写做y），我们希望使用通过这一堆值，去寻找到一个两者之间对应的确定关系。 首先确定一点，这些样本不会完全拟合到一个函数的（如果安全拟合的话，那就是一个矩阵或者多项式求解问题了），对于拟合不了的原因，

上节从最简单的随机变量扯到宇宙原理（汗）。今天接着上次扯。 关于均值，方差标准差什么的，没有什么好说的。 值得一提是书中提到的关于随机变量的变换， 在满足x=g(y)的情况下，概率密度函数存在着变量的代换，这里比较需要注意的变量代换的下标。 离散型与连续型随机变量的期望公式，也比较简单，但是需要注意边缘分布与联合分布下的对某一随机变量的期望求解。 特别是条件分布的条件期望： 关于条件期望的形式，非常容易出错，貌似之前我经常写错f(x)的位置 这里需要记得，关于条件期望，是指首先是条件概率，