所謂clustering，就是說聚類，把一堆東西（合理地）分成兩份或者k份。從數學上來說，
聚類的問題就相當於graph partition的問題，即給定乙個圖g = (v, e)，如何把它的頂點集劃分為不相交的子集，
使得這種劃分最好。其難點主要有兩個：
1. 這個「合理」其實相當難達到，隨便設乙個目標函式可能達不到希望的結果。大家可以看了看[1]，這裡詳細地討論了一下準則的選擇問題。
2. 即使我們定義了乙個相當好的聚類準則，如何優化它又是乙個問題。
normalized cut
在圖上，定義什麼樣的聚類最好，最簡單的方法是圈定k個不相交頂點集之後，希望頂點集之間的邊，其權值的和最小。
(邊上的權值代表的是兩頭的頂點鄰近的程度，或者說相似度）
這就是所謂mincut（最小割）問題。二類分類的最小割不是np-hard的，但是這不能讓人感到開心，因為mincut這個準則對於聚類不好。
具體來說，mincut完全可能將離大部隊過遠的單個頂點與其它頂點分開, 形成兩類。
事實上，我們不僅僅要讓割邊的權和最小，而且要讓這k個頂點集都差不多大，這樣才符合聚類給人的直觀感覺。
於是在mincut的基礎上，出現了normalized cut. 思路很簡單，將cut normalize一下，除以表現頂點集大小的某種量度(如 vol a = 所有a中頂點集的度之和)。
也就是normalize cut(a, b) = cut(a, b) / vola + cut(a, b) / volb
然而這樣一改，np-hard就來了。這幾乎是所有組合優化問題的惡夢。
怎麼辦呢？把組合優化問題連續化，即所謂減少約束，進行適當的relax。那麼為什麼會和svd扯上的呢？
很簡單，聚類是東西分成不相交集，也就是有正交的含義在裡面；只是分東西必須是0-1式的，這種離散化，就是np-hard的原因。
我們把正交約束保留，但把離散變成連續的，聚類就變成了尋找（列）正交陣的優化問題，那正是svd的火力所在！就這樣，通過這種巧妙的relax，np-hard問題有了近似解。且不說這近似解的質量如何，
這種方法是相當令人振奮的。
（關於normalized cut近似解的質量, 似乎沒有什麼文章能夠給出嚴格的證明，只是實際
效果不錯就是了。）
值得一提的是，normalized cut還和圖上的markov chain有緊密的關係[5]。normalized
cut這個量度，
換成markov chain的語言就是在圖上隨機遊走，子集間相互「串門」的概率大小。相當有
趣。
奇偶歸一猜想
奇偶歸一猜想 英語 collatz conjecture 是指對於每乙個正整數，如果它是奇數，則對它乘3再加1，如果它是偶數，則對它除以2，如此迴圈，最終都能夠得到1。如n 6，根據上述數式，得出序列6,3,10,5,16,8,4,2,1。步驟中最高的數是16，共有8個步驟 如n 8，根據上述數式，...
奇偶歸一猜想
奇偶歸一猜想，又稱為3n 1猜想，冰雹猜想，克拉茲問題，是指對於每乙個正整數，如果它是奇數，則對它乘3再加1，如果它是偶數，則對它除以2，如此迴圈，最終都能夠得到1。這裡用python寫了乙個奇偶歸一猜想程式。x def hailstone n if n 1 return x elif n 2 0 ...
歸園田居 其一
歸園田居 其一 魏晉 陶淵明 少無適俗韻，性本愛丘山。誤落塵網中，一去三十年。羈鳥戀舊林，池魚思故淵。開荒南野際，守拙歸園田。方宅十餘畝，草屋 間。榆柳蔭後簷，桃李羅堂前。曖曖遠人村，依依墟裡煙。狗吠深巷中，雞鳴桑樹顛。戶庭無塵雜，虛室有餘閒。久在樊籠裡，復得返自然。1.少 指少年時代。適俗 適應世...