PMI的定义PMI（Pointwise Mutual Information）点互信息：这一指标用来衡量两个事物之间的相关性。如下：在概率论中，如果x和y无关，p(x,y)=p(x)p(y)；如果x和y越相关，p(x,y)和p(x)p(y)的比就越大。从后两个条件概率可能更好解释，在y出现的条件下x出现的概率除以单看x出现的概率，这个值越大表示x和y越相关。log来自于信息论的理论，而且 log

RWR介绍Random Walk with Restart(RWR)RWR是最早提出的一种用于图像分割的算法。它迭代地探索网络的整体结构，以估计两个节点之间的接近度(亲和力分数)。从一个节点开始，步行者在每一步都面临两个选择:要么移动到随机选择的邻居，要么跳回到开始节点。该算法只包含一个固定参数r，称为“重启概率”(1−r表示移动到邻居的概率)。在迭代达到稳定后，稳定概率向量包含了网络中所有节点与

plt.plot()函数plt.plot(x, y, format_string, **kwargs)参数说明xX轴数据，列表或数组，可选yY轴数据，列表或数组format_string控制曲线的格式字符串，可选**kwargs第二组或更多(x,y,format_string)，可画多条曲线format_string 由颜色字符、风格字符、标记字符组成颜色字符'b' 蓝色'm' 洋红色 magen

随机游走英文：random walk定义：随机游走，概念接近于布朗运动，是布朗运动的理想数学状态。核心概念：任何无规则行走者所带的守恒量都各自对应着一个扩散运输定律。随机游走过程一维的随机游走可定义如下： 每过一个单位时间，游走者从数轴位置x出发以固定概率随机向左或向右移动一个单位.不妨将n时刻游走者的位置记为Ln,则有其中X1,X2,…,Xn为相互独立的随机变量，满足最经典的一维随机游走问题有赌

使用numpy实现机器学习# 使用numpy实现机器学习import numpy as np# %matplotlib inline#在jupyter中可使用，但在pycharm中用不上from matplotlib import pyplot as pltnp.random.seed(100)x = np.linspace(-1, 1, 100).reshape(100, 1)y = 3*np.

plt.plot()函数plt.plot(x, y, format_string, **kwargs)参数说明xX轴数据，列表或数组，可选yY轴数据，列表或数组format_string控制曲线的格式字符串，可选**kwargs第二组或更多(x,y,format_string)，可画多条曲线format_string 由颜色字符、风格字符、标记字符组成颜色字符'b' 蓝色'm' 洋红色 magen

随机游走英文：random walk定义：随机游走，概念接近于布朗运动，是布朗运动的理想数学状态。核心概念：任何无规则行走者所带的守恒量都各自对应着一个扩散运输定律。随机游走过程一维的随机游走可定义如下： 每过一个单位时间，游走者从数轴位置x出发以固定概率随机向左或向右移动一个单位.不妨将n时刻游走者的位置记为Ln,则有其中X1,X2,…,Xn为相互独立的随机变量，满足最经典的一维随机游走问题有赌