美国纽约的闹市街头，野猫“猫老大”比格韦格和他的朋友们整日游手好闲，混吃混喝，虽然时常受到警察以及恶犬的威胁，但是自由自在，逍遥无比。警员中贝罗警官是猫老大他们唯一的朋友，“警匪”双方相安无事，直到某
读来会让人在夏天感到凉爽。热到烦躁时仍会感到激灵一下。 是暗黑，但是也不恐怖，有的满篇丧意，有的充满对人类未来的迷思，有的也是奔向阳光的积极结局。 这部剧是一个个小短篇组成的。令人深刻的是Jason Harris把人物的性格与原生家庭联系紧密，简单直白纯真的话语反而胜过了修饰过多的描写。 一对待遇迥异的双胞胎，一对七个房间里相依为命的姐弟，一个因父母吵架而再也看不见爸爸的男孩，一个只剩两个机器人的未来，一个杀了女友而在每天洗脑自己寻找杀人犯的偏执狂，一个在相处冷漠无情的家庭里患有痛觉丧失的老爷子，一个从小被亲戚虐待在森林里建了尸体做成的房子的杀人犯，一个拥有咒语魔力把全人类都诅咒成死亡的自卑者，一个在劫机中打死了男孩的本想复仇的女性，还有最后一篇戛然而止的沙坑里埋着人的恐怖篇。 全书无疑都与生死有关，但却不是灵异，反而是是精神上的各种症状的反应。 “每个短篇我都得想很久。”Jason Harris这么说。 但这些短篇质量都比较高，引人入胜，发人深省。
结构形式尚可，据说都是真实案例，但是光靠形式是撑不起一本好剧的！作品缺乏真情实感和细节支撑，多是生硬冗长的对话，而且故事背景以及情节要点材料多是堆砌，既没有合理的安排，又冗长无味，情节衔接也全无交代，全无实感，真的不知道评分这么高是因为什么！
这部剧不是一本很正统的概率论和数理统计的剧集，但是却非常着眼于打通概率和频率之间最重要的贝叶斯主义。 贝叶斯公式在很多人看来是非常难以理解的。如果要真正理解贝叶斯公式，就要明白，你不能只有一个先验。我们比如抛硬币，最直接的问题是先验分布0.5是正0.5是反，如果丢了13次都是正，贝叶斯估计正的概率是多少？但事实上这个问题在贝叶斯思想是有问题的。你先验分布只有一个吗？如果只有一个先验分布，那你就是笃定了只有这么一种可能，那贝叶斯最后得到的结论必然是唯一的先验分布，也就是说分布虽然涉及到概率，但贝叶斯要做的并不是修改分布内部的概率而是修正先验分布的概率。比如我有九个分布，正面朝上的概率分别为0.1 0.2 0.3 0.4 ……0.9，并且每个分布发生的概率我都假设为古典概型的1/9。在这种情况下如果13次都为正，我就可以得到正面朝上为0.1 0.2……0.9这九种分布的后验概率（如果13次全为正，0.9分布的概率会非常非常高）。当然也可以将x设置为正面朝上的概率，然后设置先验概率为均匀分布的连续分布，本质上是一样的。只有通过这样，才可以真正理解贝叶斯公式的实质——其作用的是先验分布的概率，而不是先验分布内部的概率。很多人想不通贝叶斯的原因就在于这里，他把先验分布内部的概率和先验分布的概率弄混淆了。 推荐一下这部剧，最重要的是，所有不管是学习算法的，还是学习概率论和统计的，都应该明白贝叶斯的强大之处。从而真正理解频率和概率之间的关系，从而深刻明白模型和现实之间的关系，进而审视统计模型，了解模型可能的问题到底在哪里。
真的是科普文 带着一些独特的小幽默 很耐看 要是能更新快一点就更好了
读来会让人在夏天感到凉爽。热到烦躁时仍会感到激灵一下。 是暗黑，但是也不恐怖，有的满篇丧意，有的充满对人类未来的迷思，有的也是奔向阳光的积极结局。 这部剧是一个个小短篇组成的。令人深刻的是Jason Harris把人物的性格与原生家庭联系紧密，简单直白纯真的话语反而胜过了修饰过多的描写。 一对待遇迥异的双胞胎，一对七个房间里相依为命的姐弟，一个因父母吵架而再也看不见爸爸的男孩，一个只剩两个机器人的未来，一个杀了女友而在每天洗脑自己寻找杀人犯的偏执狂，一个在相处冷漠无情的家庭里患有痛觉丧失的老爷子，一个从小被亲戚虐待在森林里建了尸体做成的房子的杀人犯，一个拥有咒语魔力把全人类都诅咒成死亡的自卑者，一个在劫机中打死了男孩的本想复仇的女性，还有最后一篇戛然而止的沙坑里埋着人的恐怖篇。 全书无疑都与生死有关，但却不是灵异，反而是是精神上的各种症状的反应。 “每个短篇我都得想很久。”Jason Harris这么说。 但这些短篇质量都比较高，引人入胜，发人深省。
结构形式尚可，据说都是真实案例，但是光靠形式是撑不起一本好剧的！作品缺乏真情实感和细节支撑，多是生硬冗长的对话，而且故事背景以及情节要点材料多是堆砌，既没有合理的安排，又冗长无味，情节衔接也全无交代，全无实感，真的不知道评分这么高是因为什么！
这部剧不是一本很正统的概率论和数理统计的剧集，但是却非常着眼于打通概率和频率之间最重要的贝叶斯主义。 贝叶斯公式在很多人看来是非常难以理解的。如果要真正理解贝叶斯公式，就要明白，你不能只有一个先验。我们比如抛硬币，最直接的问题是先验分布0.5是正0.5是反，如果丢了13次都是正，贝叶斯估计正的概率是多少？但事实上这个问题在贝叶斯思想是有问题的。你先验分布只有一个吗？如果只有一个先验分布，那你就是笃定了只有这么一种可能，那贝叶斯最后得到的结论必然是唯一的先验分布，也就是说分布虽然涉及到概率，但贝叶斯要做的并不是修改分布内部的概率而是修正先验分布的概率。比如我有九个分布，正面朝上的概率分别为0.1 0.2 0.3 0.4 ……0.9，并且每个分布发生的概率我都假设为古典概型的1/9。在这种情况下如果13次都为正，我就可以得到正面朝上为0.1 0.2……0.9这九种分布的后验概率（如果13次全为正，0.9分布的概率会非常非常高）。当然也可以将x设置为正面朝上的概率，然后设置先验概率为均匀分布的连续分布，本质上是一样的。只有通过这样，才可以真正理解贝叶斯公式的实质——其作用的是先验分布的概率，而不是先验分布内部的概率。很多人想不通贝叶斯的原因就在于这里，他把先验分布内部的概率和先验分布的概率弄混淆了。 推荐一下这部剧，最重要的是，所有不管是学习算法的，还是学习概率论和统计的，都应该明白贝叶斯的强大之处。从而真正理解频率和概率之间的关系，从而深刻明白模型和现实之间的关系，进而审视统计模型，了解模型可能的问题到底在哪里。
真的是科普文 带着一些独特的小幽默 很耐看 要是能更新快一点就更好了