最新UMAP同一距离为何有两个权重：从局部尺度算到模糊并集 两个点之间的欧氏距离是对称的，但UMAP最初得到的邻接权重可以不对称。原因并不是距离函数坏了，而是每个点用自己的局部尺度解释“附近”。只有完成局部赋权后，算法才把两个方向合成一条无向关系。直接取平均，会错过其中的关键... yunqueblog/ AI分享/ 2026-10-04/ 1 阅读
最新t-SNE困惑度不是邻居个数：用一行概率算出2.83 把t-SNE的困惑度设成三十，并不意味着每个样本只连接最近的三十个点。这个参数首先约束的是原始空间里一行条件概率的熵。它可以取非整数，也不能直接当作二维图上某个圆圈内的点数。用只有三个候选邻居的例子，就能把这种区别算... yunqueblog/ AI分享/ 2026-10-04/ 1 阅读
最新轮廓系数先平均哪一层：五个点算出两种总分，单例簇也不能记满分 用轮廓系数挑聚类数量时，很容易把一句“簇内近、簇间远”实现成另一套指标。有人用最近一个外部点，有人用簇中心，还有人先给每个簇算平均再平均一次。这些数值都可能看起来合理，却不再是同一种轮廓系数。用五个一维点逐项计算，能... yunqueblog/ AI分享/ 2026-10-04/ 2 阅读
最新调整Rand指数为何能为负：六个样本怎样低于随机配对基线 比较两次聚类时，不能直接数“标签相同的样本有几个”：某个算法的0号簇完全可能对应另一算法的2号簇。调整Rand指数，也就是ARI，比较的是样本之间同组或异组的关系，并扣除一种明确随机模型下的基线。一个负分不是负准确率... yunqueblog/ AI分享/ 2026-10-04/ 1 阅读
最新MMD平方估计为何是负数：删除对角项后的无偏代价 比较两批特征分布时，MMD常被当成一种距离。于是程序输出负数，第一反应往往是核矩阵不合法，或者浮点误差太大。但如果计算的是MMD平方的无偏估计，负数完全可能是正确结果。先确认估计对象与求和规则，才知道应该检查什么。 yunqueblog/ AI分享/ 2026-10-04/ 1 阅读
最新标签传播何时有唯一答案：从调和解检查无标签分量 只有少量样本有标签时，可以把相似样本连接成图，让已知标签影响邻近节点。这里最容易漏掉的条件是：一个待预测区域，究竟能不能通过边走到已知标签。即使程序返回了整齐的零和一，也不能据此认为每个分量都获得了监督信息。 yunqueblog/ AI分享/ 2026-10-04/ 1 阅读
最新PageRank遇到无出链页面：漏掉的概率去了哪里 PageRank实现里有一种故障很隐蔽：每个节点都算出了正数，排行榜也正常出现，但所有分数之和逐轮缩小。问题常出在没有出链的节点上。流入它的概率下一轮应怎样分配，必须是模型的一部分，不能等计算结束才凭感觉补救。 yunqueblog/ AI分享/ 2026-10-04/ 2 阅读
最新BM25词频为什么会饱和：把长度惩罚和IDF约定拆开算 做知识库检索时，很容易把“关键词出现四次”理解成“比出现两次更相关”。BM25恰好提醒我们，次数、文档长度和词的稀有程度是不同的量。要检查排序实现，先做一个能拆出每项贡献的小例子，比直接对照最终名次更有效。 yunqueblog/ AI分享/ 2026-10-04/ 2 阅读
MinHash为什么要共用随机顺序：两个集合各自洗牌，碰撞率就变了 给两份文档建立短指纹时，一个常见直觉是“各随机抽一个词，相同就算一次匹配”。MinHash确实会留下一个代表元素，但它依靠的是所有集合共用同一份随机全序，而不是各自独立抽样。少了这个共享条件，得到的碰撞概率就不再是原... yunqueblog/ AI分享/ 2026-10-03/ 3 阅读
随机超平面LSH：六成多的同位率，为什么不等于余弦相似度 两条向量经过同一组随机平面，只保存每个平面两侧的符号，便得到紧凑的二进制指纹。随后比较多少位相同，看起来像在计算余弦相似度。这里恰好有一个重要细节：同位率对应的是角度的线性函数，而余弦是角度的非线性函数。把两者混用，... yunqueblog/ AI分享/ 2026-10-03/ 3 阅读
yunqueblog
