ML-легушька

Я сейчас готовлю для вас очень интересный пост, связанный с собеседованиями в IT, и почему они такие с математической точки зрения. А пока что факт для самых маленьких, который я вывел в процессе.
Если у вас есть марковская цепь без циклов, и вы хотите найти распределение вероятностей по конечным состояниям, то вам достаточно ее топологически отсортировать и написать простую динамику, выглядящую следующим образом:

#A - матрица переходов, G - networkx.DiGraph, построенный из A
dp = [0 for i in range(len(G))]
dp[0] = 1
for i in nx.topological_sort(G):
    for j, x in enumerate(A[i]):
        if x > 0:
            dp[j] += dp[i] * x

💅29🤯7🤡6🔥5👨‍💻1

www.tgoop.com/BDataScienceM/2488

2.17K viewsedited  Nov 17, 2024 at 18:02

Я сейчас готовлю для вас очень интересный пост, связанный с собеседованиями в IT, и почему они такие с математической точки зрения. А пока что факт для самых маленьких, который я вывел в процессе.
Если у вас есть марковская цепь без циклов, и вы хотите найти распределение вероятностей по конечным состояниям, то вам достаточно ее топологически отсортировать и написать простую динамику, выглядящую следующим образом:

#A - матрица переходов, G - networkx.DiGraph, построенный из A
dp = [0 for i in range(len(G))]
dp[0] = 1
for i in nx.topological_sort(G):
    for j, x in enumerate(A[i]):
        if x > 0:
            dp[j] += dp[i] * x

BY ML-легушька