样本空间

概率分布与数据建模

一、概率的基本概念概率的规则与公式事件：来自某个样本空间中一个或多个结果的集合。条件概率：已知事件B为真实或者事件B发生的条件下，事件A发生的概率。
dreamhappy2009·2020-07-16 04:50

贝叶斯规则

基本公式全概率公式：设试验E的样本空间为S，A为E的事件，B1,B2,…,Bn为S的一个划分，并且P(Bi)>0(i=1,2,..,n)那么：P(A)=P(A|B1)P(B1)+P(A|B2)PB2)+
jofranks·2020-07-15 17:28

概率统计——基础运算法则

在任何一个单一的重复试验中，有且只有一个试验结果发生样本空间一个试验的样本空间是所有可能的试验结果的集合样本点一个试验的结果，它是样本空间的一个元素多步实验如果一个实验可
nick_TT·2020-07-15 06:35

贝叶斯的路——概率论迷思

可是对那个家庭来说，（相当于我们换了一个样本空间）一共就是{男男，男女，女男}三种情况，那么即是1/3。我想，任何一个进入概率论（然后才是统计学）大门的年轻人，一定会在学习的过程中
南山牧笛·2020-07-15 01:51

概率论 —— 概率

【事件与频率】1.基本概念1）随机试验：可在相同条件下重复进行，每次试验的结果可以不止一个且能事先明确所有结果，进行一次试验前并不能确定哪一个结果出现的试验2）样本空间：记作S，某个随机试验所有可能的结果的集合
Alex_McAvoy·2020-07-15 00:41

离散型随机变量及其分布律(习题部分)

例一·抛掷骰子将一颗骰子抛掷两次，以XXX表示两次中得到的小的点数，试求XXX的分布律.思路以Y1,Y2Y_1,Y_2Y1,Y2表示第一次、第二次投掷时骰子出现的点数，样本空间就可以表示为S={(y1,
Master Chicken·2020-07-14 21:04

KNN总结一

即在样本空间中，计算目标与所有样本的距离，并选取k个来进行投票投票最多的类即为目标所属类，k为超参数。
nathan%1·2020-07-14 15:10

python学习笔记（32）----PCA主成分分析——降维

假设是二维数据，我们需要找到一个轴，使得样本空间所有点映射到这个轴上面后，方差最大（方差越大，信息量也就越大）1.数据中心化，就是将所有的杨丽均值归0（样本分布没有发生改版，就是样本在每一个维度均值为0
进击的三月·2020-07-14 07:31

tensorflow实现knn算法

算法思路1.计算待分类的样本和样本空间中已标记的样本的欧氏距离。（如图中绿点为待分类样本，要计算绿点与图中所有点的距离）2.取距离最短的k个点，k个点进行投票，票数最多的类为待测样本的类。
偷嘴的小猴子·2020-07-14 07:53

K Nearest Neighbor 算法

KNN算法和K-Means算法不同的是，K-Means算法用来聚类，用来判断哪些东西是一个比较相近的类型，而KNN算法是用来做归类的，也就是说，有一个样本空间里的样本分成
weixin_33688840·2020-07-14 02:06

机器学习（1）

反映时间或对象在莫方面的表现或性质的事项1.2属性值：属性上的取值1.3属性空间：属性张成的空间1.4特征向量：由于空间中的每个点对应一个坐标向量所以也将示例称为一个特征向量1.5维数：每个示例有d个属性描述，每个示例是d维样本空间
__0012578·2020-07-14 00:00

【西瓜书】第7章 贝叶斯分类器

比如，在同一个样本空间Ω中的事件或者子集A与B，如果随机从Ω中选出的一个元素属于B，那么这个随机选择的元素还属于A的概率就定义为在B的前提下A的条件概率，所以：P(A|B)
一杭oneline·2020-07-13 15:36

主成分分析(PCA)的推导与理解

即便有时收集到的样本维数很高（即含有过多特征），但与学习任务相关的可能只是某个低维分布，这时就需要有效降维，在缓解维数灾难的同时令得到的低维嵌入仍能很好地描述原样本空间。
yuanwyue·2020-07-13 13:09

降维--PCA，特征选择

而且在高维情况下，数据会越来越稀疏，并且数据会分布在样本空间的边缘地区，这绝对不是我们想要的结果。下面看看降维的
大力水手王老吉·2020-07-13 10:36

GAN生成对抗网络合集（四）：wGAN及wGAN-gp（附代码）

这是因为生成器G是从低维空间向高维空间（复杂的样本空间）映射，
dexterod·2020-07-12 21:19

概率统计学习笔记——1.随机事件与随机变量

一、随机事件1.基本概念：随机现象、样本空间Ω\OmegaΩ、样本点ω\omegaω、随机事件、必然事件（Ω\OmegaΩ就是一个必然事件）、不可能事件2.概率：主要性质：对于任一事件AAA，均有P(A
学习语言的小怪兽·2020-07-12 14:04

随机事件 样本空间

文章目录样本空间随机事件样本空间随机事件随机现象样本空间随机事件样本空间随机事件样本空间随机事件自然界与社会生活中的两类现象{确定性现象随机现象\begin{cases}确定性现象\\随机现象\end{
"大梦三千秋·2020-07-12 14:47

《概率论与数理统计》：（二）随机变量及其分布

  设随机试验的样本空间为S={e}。X=X(e)是定义在样本空间S上的实值单值函数。称X=X(e)为随机变量。  有许多随机试验，它们的结果本身是一个数。
二进制杯莫停·2020-07-12 13:39

《概率论与数理统计》：（一）概率论的基本概念

1.重要概念样本空间：随机试验E的所有可能结果组成的集合成为E的样本空间。样本空间的元素，即E的每个结果，称为样本点。样本空间的一个划分：设S为试验E的样本空间，B1，B2，…，Bn为E的一组事件。
二进制杯莫停·2020-07-12 13:07

支持向量机（SVM）3 —— 核函数

然而在现实生活中，原始样本空间内也许并不存在一个能正确划分两类样本的超平面。例如下图中的“异或”问题就不是线性可分的。
Mosay_dhu·2020-07-12 11:26

概率论与数理统计基本知识点总结

概率论的基本概念样本空间和随机事件样本空间随机试验的所有可能结果构成的集合成为样本空间,记为S={e},S中的e作为样本点例1:一枚硬币抛一次S={正面,反面}记录一批产品的寿命x:S={x:x>=0}
weixin_40588186·2020-07-12 11:27

Task1：随机事件与随机变量（1天）

随机事件1.基本概念释义随机现象:不能确定结果,但是能确定结果范围随机试验:记为EEE,可以在相同条件下重复进行；结果有多种可能性，并且所有可能结果事先已知；作一次试验究竟哪个结果出现，事先不能确定.样本空间
weixin_40389169·2020-07-12 11:33

概率论与数理统计笔记 第三章 二元随机变量及其分布

：中国大学MOOC浙江大学概率论与数理统计部分平台可能无法显示公式，若公式显示不正常可以前往知乎或作业部落进行查看点击前往知乎查看目录与导航第16讲二元随机变量，离散型随机变量分布律二元随机变量同一个样本空间的两个随机变量构成的向量离散型随机变量的分布律
weixin_30512043·2020-07-12 06:51

【概率论】1-1:概率定义(Definition of Probability)

title:【概率论】1-1:概率定义(DefinitionofProbability)categories:MathematicProbabilitykeywords:SampleSpace样本空间FiniteSampleSpace
weixin_30435261·2020-07-12 06:58

随机变量与随机过程

1、随机变量：考虑一个随机试验，其样本空间为?。一个随机变量X是一个函数，它给S中的每个结果指定一个实数。即X={X(?),?∈?}
weixin_30270561·2020-07-12 05:07

《概率统计与随机过程》——笔记3

第三章二维随机变量3.1联合分布定义1设试验E的样本空间为S={e}，而X=X(e),Y=Y(e)是定义在S上的两个随机变量。称由这两个随机变量组成的向量(X,Y)为二维随机变量或二维随机向量。
水木-刘·2020-07-12 03:50

随机过程(一)——基本概念

样本空间(S)：一个试验所有可能结果的集合称为样本空间事件(E)：样本空间S的任意子集E称为一个事件不可能事件：概率为0的事件，记为ϕ\phiϕ互不相容事件：E∩F=ϕE\capF=\phiE∩F=ϕ对立事件
YSQ是我的·2020-07-12 02:14

量化交易学习笔记（2）：随机变量

定义在样本空间上的实值函数，称为随机变量。如果随机变量的函数值是实数轴上独立的点（有限个或无限个），则称为离散型随机变量。
洛城-sola·2020-07-12 02:43

漫步数理统计十五——两个随机变量的分布

连续掷三次硬币并考虑有序数对(前两次H的个数，三次中H的个数)，其中H,T分别表示正面与反面，那么样本空间是C={c:c=ci,i=1,2,…,8}，其中c1是TTT，c2是TTH，c3是THT，c4是
会敲键盘的猩猩·2020-07-12 01:50

概率空间

我们首先看一下概率空间的标准定义：当我看到这个定义的是时候，最大的疑问是第二项F——样本空间的子集，子集的概念很好理解，但令我难以理解的是为什么要这样定义？
tankloverainbow·2020-07-12 00:28

随机变量和期望

教材上对随机变量的定义：设随机实验为，其样本空间为，如果对于每个，都有一个实数和它对应，就得到一个定义在上的实值单值函数，称为随机变量。虽然每个字都能看懂，但就是不太理解这句话到底是为了描述什么。
tankloverainbow·2020-07-12 00:28

σ-代数、可测集、测度、可测空间、概率空间、随机变量、概率分布函数

σ-代数、可测集和可测空间是样本空间，是样本空间的幂集的非空子集，如果满足下列条件：若，则若，则则称是上的σ-代数，中的元素（一个集合）是可测集，并称是一个可测空间。
tankloverainbow·2020-07-12 00:28

概率与统计笔记

2.我们现在使用的概率：将样本空间中的事件映射为随机变量表示的值，用一个函数将事件或随机变量映射到(0,1)之间。3.伯努利分布：两件事情，映射为0，1.伯
shiyueyue0822·2020-07-11 22:58

概率论总结(二)：多维随机变量及其分布

1.二维随机变量根据随机变量的定义我们知道它其实是关于样本空间的函数，同样，二维随机变量也是关于样本空间的函数。只不过这里是关于样本空间的两个函数。
JacksonKim·2020-07-11 19:32

概率论——随机试验、随机事件、样本空间

2.样本空间和样本点随机试验的所有可能结果组成的集合称为样本空间，该集合的元素称为样本点。对于抛掷硬币试验，样本空间={正面，反面}，正面就是此样本空间的一个样本点。3.
youroldz·2020-07-11 18:32

随机过程简介

再具体到概率论中，我们讨论一些事物的发生可能性，并把所有的可能性构成的集合称为样本空间，比如掷骰子的可能结果是{1,2,3,4,5,6}\{1,2,3,4,5,6\}{
Erick_Lv·2020-07-11 17:43

概率论与数理统计--基本概念笔记

1随机试验1相同条件下可重复进行2结果多样，实验前可能的结果是确定的3实验前不确定具体的结果2样本空间随机试验的所有可能的基本结果的集合3随机事件样本空间的子集称为随机事件空集为样本空间的子集，空集称为不可能事件样本空间为样本空间的子集
工农村贴膜小哥·2020-07-11 17:42

概率统计学习笔记（１2）——二维随机变量

二维随机变量（向量）设EEE是一个随机试验，它的样本空间是S=eS={e}S=e,设X=X(e)X=X(e)X=X(e)和Y=Y(e)Y=Y(e)Y=Y(e)是定义在SSS上的随机变量，由它们构成的一个向量
阿巫兮兮·2020-07-11 12:18

概率统计基础

概率统计参考：datawhalechina/team-learning概率定义随机试验EEE的样本空间为Ω\OmegaΩ，对于每个事件AAA，定义一个实数P(A)P(A)P(A)与之对应，若函数P(.)
Joshua-·2020-07-11 11:56

机器学习之概述

对数据集中一个事件或对象的描述属性（attribute）/特征（feature）：反映事件或对象在某方面的表现或性质的事项属性值（attributevalue）：属性上的取值属性空间（attributespace）/样本空间
晗时·2020-07-11 08:15

贝叶斯引论（一）

贝叶斯网以及相关应用：概率的解释贝叶斯定理贝叶斯网贝叶斯网的构造贝叶斯网的应用动态贝叶斯网概率的解释首先介绍一下贝叶斯引论中概率的解释：这里主要介绍主要的概率的三种解释：古典解释：P(A)=事件A包含的样本数/样本空间
gdhu·2020-07-11 06:49

简单易学的机器学习算法——朴素贝叶斯

2、全概率公式含义是：如果和构成样本空间的一个划分，那么事件B的概率，就等于和的概率分别乘以B对这两个事件的条件概率之和。
zhiyong_will·2020-07-11 06:09

机器学习基础03-概率论与数理统计

文章目录概率论基础概率论基础要点随机试验样本空间与样本点随机事件事件的性质与运算频率与概率频率学派和贝叶斯学派？
exeron·2020-07-11 05:39

概率论与数理统计第二章 随机变量及其分布 学习总结

一、随机变量及其分布函数（1）随机变量定义：在样本空间Ω上的实值函数X=X(ω),ω∈Ω称为随机变量，简记为X。随机变量的定义域为Ω。
二十七º·2020-07-11 04:35

排队论简介

一、随机过程（StochasticProcess）：1.定义：设随机实验的样本空间S={s}，如果对于每个s，有对应属于参数集T的参数t的函数X(s,t)，那么对于所有的s，得到一组t的函数{X(s,t
Norstc·2020-07-11 01:24

概率论与随机过程笔记（1）：样本空间与概率

概率论与随机过程笔记（1）：样本空间与概率2019-10-27这部分的笔记依据DimitriP.Bertsekas和JohnN.Tsitsiklis的《概率导论》第1章内容（不包括1.6节组合数学的内容
Bingtuu·2020-07-10 16:40

概率论基本概念介绍

文章目录1.随机试验2.样本空间3.随机事件4.事件间的关系和事件的运算4.1事件关系4.2事件运算5.频率与概率5.1频率5.2概率6.古典概率模型7.条件概率8.独立性1.随机试验具有以下特征的试验
积跬步以致千里。·2020-07-10 16:57

离散型随机变量及其常见分布律

文章目录1.随机变量2.离散型随机变量3.离散型随机变量常见分布3.1(0−1)(0-1)(0−1)分布3.2二项分布3.3泊松分布3.4几何分布3.5超几何分布1.随机变量设随机试验的样本空间为S={
积跬步以致千里。·2020-07-10 16:57

从结构化风险最小化角度理解SVM

模型是选择一个概率分布模型或者决策函数空间来模拟样本空间。策略是优化模型所用到的目标函数。算法是解决最优化问题的方法。（具体可参见李航《统计学习
CrazStone·2020-07-10 02:47

机器学习之KNN（一）K近邻算法sklearn实现详解

K近邻算法做分类时，顾名思义，该算法的大致思想是把要预测的样本点丢到训练样本空间中，选取距离该样本最近的k个训练数据，然后根据投票的方式看哪个类别多，就觉得该样本是哪类数据。
繁华三千东流水·2020-07-09 21:51
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他