指数分布

【cs229-Lecture4】GLMS:选定指数分布族，如何用它来推导出GLM？

nbsp;     牛顿方法 Exceponential Family        指数分布族
·2015-11-02 12:47

hdu 5035 指数分布无后效性

pid=5035 n个柜台每个柜台服务的时间都满足指数分布 t=p(k) ，求 min(p(k)+t) 的期望 指数分布一个有趣的特性是没有后效性，所以ci是没有用的！
·2015-11-01 14:54

从广义线性模型到逻辑回归，逻辑回归的深入理解

总结：由于逻辑回归假定y的条件分布(y|x)是伯努利分布，所以根据广义线性模型和指数分布簇的定义，它对应的假设函数是sigmoid函数。
·2015-11-01 13:39

[MCSM]Exponential family: 指数分布族

Exponential family(指数分布族)是一个经常出现的概念，但是对其定义并不是特别的清晰，今天好好看了看WIKI上的内容，有了一个大致的了解，先和大家分享下。
·2015-10-29 08:08

Matlab 高斯分布 均匀分布 以及其他分布 的随机数

高斯分布 均匀分布 以及其他分布 的随机数  betarnd 贝塔分布的随机数生成器 binornd 二项分布的随机数生成器 chi2rnd 卡方分布的随机数生成器 exprnd 指数分布的随机数生成器
·2015-10-23 08:30

NS2中的随机数产生器

种子和分布 　　这里介绍了五种分布：Pareto（帕累托分布），Constant（常分布），Uniform（均匀分布），Exponential（指数分布），HyperExponential（超指数分布
·2015-10-21 10:40

牛顿方法、指数分布族、广义线性模型—斯坦福ML公开课笔记4

个人总结：1、这一篇文章主要是证明性的东西为主，所以说数学公式相对较多，原文笔记作者省略了一些东西，没有和上文很好衔接，所以初学者不一定看明白，建议结合斯坦福机器学习原文讲义（是英文的，没找到有全文中文翻译版的）看一看，如果刚入门对公式的推导就迷糊，说明你有必要去学一些数学基础。2、结合上一篇文章中提到的梯度下降方法，本文提出了一种更快的迭代方法，叫牛顿方法。原文中公式(1)都能看懂，一转眼怎么就
东方神剑·2015-10-10 12:00

机器学习-牛顿方法&指数分布族&GLM

本节内容牛顿方法指数分布族广义线性模型之前学习了梯度下降方法，关于梯度下降（gradientdescent），这里简单的回顾下【参考感知机学习部分提到的梯度下降(gradientdescent)】。
拾毅者·2015-10-06 13:26

[置顶] 机器学习-牛顿方法&指数分布族&GLM

本节内容牛顿方法指数分布族广义线性模型之前学习了梯度下降方法，关于梯度下降（gradientdescent），这里简单的回顾下【参考感知机学习部分提到的梯度下降(gradientdescent)】。
Dream_angel_Z·2015-10-06 13:00

从指数分布族去推导出广义线性模型

指数分布族的定义：若一类概率分布可以写成如下形式，那么它就属于指数分布族：η - 自然参数，通常是一个实数T(y)– 充分统计量，通常，T(y)=y，实际上是一个概率分布的充分统计量（统计学知识）对于给定的
Hosee·2015-09-23 21:00

泊松分布与指数分布

泊松分布与指数分布的10分钟教程一、泊松分布日常生活中，大量事件是有固定频率的。
MagicQIT·2015-09-08 10:20

泊松分布和指数分布：10分钟教程

我举一个例子，什么是泊松分布和指数分布？恐怕大多数人都说不清楚。我可以在10分钟内，让你毫不费力地理解这两个概念。一、泊松分布日常生活中，大量事件是有固定频率的。
simple_the_best·2015-08-26 20:00

广义线性模型（Generalized Linear Models）

在逻辑回归模型中我们假设：      在分类问题中我们假设：      他们都是广义线性模型中的一个例子，在理解广义线性模型之前需要先理解指数分布族。 
BYRans·2015-08-17 01:00

6-使用MATLAB进行概率统计分析

1.产生随机变量二项分布随机数binornd(N,P,m,n,...)正态分布随机数normrnd(mu,sigma,m,n,...)均匀分布unifrnd/unidrnd泊松分布poissrnd指数分布
DawnRanger·2015-08-15 11:47

Java按照指数分布实现随机数

先给出指数分布的公式：其中λ>0是分布的一个参数，常被称为率参数（rateparameter）。即每单位时间发生该事件的次数。指数分布的区间是[0,∞)。
martji·2015-07-02 21:00

机器学习-广义线性模型

本文转自：http://blog.csdn.net/linkin1005/article/details/387535171.指数分布族指数分布族（ExponentialFamily）是这样一组分布
Sunshine_in_Moon·2015-06-08 16:00

C语言下泊松分布以及指数分布随机数生成器实现

最近实验室的项目需要实现模拟文件访问序列，要求单位时间内的数据请求次数符合泊松分布，而两次请求见的时间间隔符合指数分布。没办法只好重新捡起已经丢掉多时的概率知识。
asiaLIYAZHOU·2015-05-05 22:00

斯坦福机器学习实现与分析之四（广义线性模型）

指数分布族  　　首先需要提及下指数分布族，它是指一系列的分布，只要其概率密度函数可以写成下面这样的形式： \(\begin{aligned} p(y;\eta)=b(y)exp(\eta
·2015-04-13 16:00

Logistic regression ,Softmax regression and Newton's method

这个函数是：使用这个函数是有一套理论支撑的，AndrewNg在网易公开课有讲，大概就是涉及到指数分布和一般线性模型的概念，比较复杂，这里略过。
u012303532·2015-04-12 21:00

对scipy.stats内建分布进行采样

从参数λ为10的指数分布p(x;λ)=λe−λx中采样随机变量。
Waleking·2015-04-10 03:00

对scipy.stats内建分布进行采样

从参数λ为10的指数分布p(x;λ)=λe−λx中采样随机变量。
Waleking·2015-04-10 03:00

R语言数据分析系列之四

常见分布有：正态分布（高斯分布），指数分布，beta分布，gamma分布等。正态分布若随机变量X服从一个数
康派尔·2015-03-31 15:45

R语言数据分析系列之四

常见分布有：正态分布（高斯分布），指数分布，beta分布，gamma分布等。正态分布若随机变量X服从一个
comaple·2015-03-31 15:00

布雷格曼散度

接下来会重点进行探讨 Contents   1.布雷格曼散度的认识  2.布雷格曼散度的性质  3.布雷格曼散度与指数分布族  1.布雷格曼散度的认识    Bregman散度是损失或者失真函数。
ACdreamers·2015-03-27 01:00

softmax回归

通过详细的讲解，针对某类指数分布族建立对应的广义线性模型。在本篇文章中，将继续来探讨广义线性模型的一个重要例子，它可以看成是Logistic回归的扩展，即softmax回归。
ACdreamers·2015-03-27 00:16

softmax回归

通过详细的讲解，针对某类指数分布族建立对应的广义线性模型。在本篇文章中，将继续来探讨广义线性模型的一个重要例子，它可以看成是Logistic回归的扩展，即softmax回归。 
ACdreamers·2015-03-27 00:00

概率随记(2)

6）均匀分布：  概率密度函数：f(x)=1/(b-a)(a=b为1.7）指数分布：  f(x)=λe^(−λx),x≥0   f(x) = 0,x<0.   
hawksoft·2015-02-19 23:00

系统学习数字图像处理之图像复原与重建

1.只考虑噪声引起的退化噪声模型，包含于空间不相关和相关两种，除了空间周期噪声，这里所讨论的都是空间不相关的噪声，如高斯，爱尔兰，瑞利，指数分布，均匀分布，脉冲（椒盐）噪声等。
Eason.wxd·2015-01-05 08:31

matlab统计学分析函数

对应分布的概率密度函数   betapdf    贝塔分布的概率密度函数   binopdf    二项分布的概率密度函数   chi2pdf    卡方分布的概率密度函数   exppdf     指数分布的概率密度函数
b5w2p0·2014-12-03 16:00

hdu 5035 Delivery

每个窗口的服务时间服从指数分布：p(ti=t)=kie^(-kit)，问从现在到你接受服务完所花时间的期望。    思路：推公式。这题就不是给没好好学过数学的人做的，无耻地看了下别人的题解。
squee_spoon·2014-11-26 11:00

R语言广义线性模型

广义线性模型通过拟合响应变量的条件均值的一个函数（不是响应变量的条件均值），假设响应变量服从指数分布族中的某个分布（并不仅限于正态分布），极大地扩展了标准线性模型。模型参数估计的推
u013524655·2014-11-17 21:00

R语言广义线性模型

广义线性模型通过拟合响应变量的条件均值的一个函数（不是响应变量的条件均值），假设响应变量服从指数分布族中的某个分布（并不仅限于正态分布），极大地扩展了标准线性模型。模型参数估计的推
u013524655·2014-11-16 11:00

R与γ(伽玛)分布(3) 分布的检验方法

在 R与指数分布（3）分布的检验中我们提到了指数分布的Kolmogorov-Smirnov连续分布检验法。现在我们同样用它来一个连续分布是否是服从检验γ分布。
jobar·2014-11-15 21:00

R与指数分布（3）分布的检验

以样本数据的累计频数分布与特定理论分布比较，若两者间的差距很小，则推论该样本取自某特定分布族，详细的介绍要参考 Kolmogorov–Smirnov test 该检验原假设为： H0:数据集符合指数分布
jobar·2014-11-08 21:00

R与指数分布（2） 累积分布函数

对于所有实数x，累积分布函数定义如下：指数分布的累积分布函数可以写成：R代码如下： >set.seed(1000) >xyplot(x,y,col="red",xlim=c(0,2),ylim=c(
jobar·2014-11-06 22:00

Python Random随机数

Python产生随机数的功能在random模块中实现，实现了各种分布的伪随机数生成器该模块可以生成0到1的浮点随机数，也可以在一个序列中进行随机选择，产生的随机数可以是均匀分布，高斯分布，对数正态分布，负指数分布以及
Calling_Wisdom·2014-11-05 14:00

R与指数分布（1） 概率密度函数

在概率论和统计学中，指数分布（Exponentialdistribution）是一种连续概率分布。
jobar·2014-10-31 21:00

hdu 5035 指数分布无后效性

pid=5035n个柜台每个柜台服务的时间都满足指数分布t=p(k)，求min(p(k)+t)的期望指数分布一个有趣的特性是没有后效性，所以ci是没有用的！
u012774187·2014-10-15 16:00

HDU 5035 Delivery

你要去发一个包裹...到那里发现每个柜台都有一个人在办业务但是没有其他人在等待第i个柜台办理一个人的业务需要的时间由一个概率分布函数给出职员处理一个客户的时间服从指数分布并且已知你到达那里的时候每个柜台已经办了多久现在需要求出从此刻开始直到寄完包裹所需的时间的期望
u011788531·2014-09-21 21:00

斯坦福大学机器学习——广义线性模型

1.指数分布族指数分布族（ExponentialFamily）是这样一组分布：这些分布的概率密度函数可以表示成以下形式：其中，y是随机变量；h(x)称为基础度量值（basemeasure）；称为自然参数
linkin1005·2014-08-22 11:08

斯坦福大学机器学习——广义线性模型

1.指数分布族指数分布族（ExponentialFamily）是这样一组分布：这些分布的概率密度函数可以表示成以下形式：其中，y是随机变量；h(x)称为基础度量值（basemeasure）；称为自然参数
linkin1005·2014-08-22 11:00

截取符合指数分布的一部分样本的理论与实验

最近在解决一个符合指数分布的样本处理的问题时，做了一个假设，然后需要做一个小实验确认基于假设而简单推导出的理论的正确性。
davyhwang·2014-07-14 23:41

Matlab 用 exprnd 函数生成符合指数分布的随机数

实验中需要用exprnd函数生成大量符合指数分布的随机数样本。
davyhwang·2014-07-14 14:18

台湾大学公开课《概率》六到九章笔记以及课程总结

第七周指数分布和几何分布都有失忆性，即条件概率分布不变。第八周联合概率分布对于两人等车问题，可以画图解决。变量相加，则期望相加，如果相互独立，还可方差相加，乘积的期望相乘。
caozhankui·2013-11-24 19:00

牛顿方法

1、  牛顿方法：对Logistic模型进行拟合2、 指数分布族3、  广义线性模型（GLM）：联系Logistic回归和最小二乘模型 复习：Logistic回归：分类算法假设给定x以为参数的y=1和y
zhang9801050·2013-10-18 11:00

【机器学习-斯坦福】学习笔记4 - 牛顿方法

网”主题有奖征文 【机器学习-斯坦福】学习笔记4-牛顿方法分类： 机器学习2013-10-1012:45 74人阅读 评论(0) 收藏 举报机器学习牛顿方法指数分布族广义线性模型牛顿方法本次课程大纲：1
pi9nc·2013-10-10 14:00

【机器学习-斯坦福】学习笔记4 - 牛顿方法

牛顿方法本次课程大纲：1、 牛顿方法：对Logistic模型进行拟合2、指数分布族3、 广义线性模型（GLM）：联系Logistic回归和最小二乘模型 复习：Logistic回归：分类算法假设给定x以为参数的
maverick1990·2013-10-10 12:00

java多线程模拟M/M/C(马科洛夫队列)

M/M/C(马科洛夫队列)是一个多服务器的排队模型，每个客户到来的时候选择等待队列最短的服务窗口排队等待服务，在商场，银行等服务行业应用广泛，模型如下：使用服从指数分布的随机数(平均值为lamda)模拟每个客户到达间隔时间
chjttony·2013-10-09 15:10

java多线程模拟M/M/C(马科洛夫队列)

M/M/C(马科洛夫队列)是一个多服务器的排队模型，每个客户到来的时候选择等待队列最短的服务窗口排队等待服务，在商场，银行等服务行业应用广泛，模型如下：使用服从指数分布的随机数(平均值为lamda)模拟每个客户到达间隔时间
chjttony·2013-10-09 15:00

正态概率图

先摘录一下书上说的，对于指数分布(x & ln(1-cdf(x)))、帕累托分布(lnx & ln(1-cdf(x)))、威布尔分布(lnln(1/
384444165·2013-09-12 21:00
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他