概率&&期望DP 第6页

机器学习的模型类型（Model Types）

逻辑回归（LogisticRegression）：用于分类任务，输出概率值。岭回归（RidgeRegression）和Lasso回归（LassoRegression）：带正则化的线性回归。

路野yue·2025-02-21 14:56

深度学习归一化与正则化

在0到1之间的归一化代表的是概率分布，而

鱼儿也有烦恼·2025-02-21 14:22

机器学习—逻辑回归

目录1、基础概念1.1、什么是逻辑回归1.2、逻辑回归与线性回归的区别1.3应用场景2、逻辑回归模型2.1、模型定义2.2、Sigmoid函数2.3、决策边界2.4、概率解释3、模型训练3.1、损失函数

60岁的程序猿·2025-02-21 14:22

python版本的列线图绘制（二分类）

python版本的列线图绘制（二分类）列线图是为临床预测模型提供了一个使用的工具，借助列线图可以把指标转变为预测概率，但是近年来随着网页计算器的出现，列线图的使用没有原来广泛。

医学AppMatrix·2025-02-21 13:20

模型压缩-模型蒸馏、模型剪枝、模型量化

如分类任务中，由训练好的教师模型在相同的数据下，通过将教师模型对样本的预测值作为学生模型的预测目标，指导学生模型学习，这个预测值一般指教师网络输出的类概率。教师模

NLP的小Y·2025-02-21 08:39

[笔记.AI]如何判断模型是否通过剪枝、量化、蒸馏生成？

基础判断维度技术类型核心特征验证方法剪枝模型参数减少、结构稀疏化1.检查模型参数量是否显著小于同类标准模型12.分析权重矩阵稀疏性（如非零参数占比50%）3蒸馏模型结构轻量但性能接近大模型、输出分布平滑1.对比师生模型结构差异52.分析输出概率分布的熵值

俊哥V·2025-02-21 08:07

机器学习(一) 本文(3万字) | 机器学习概述 |

小酒馆燃着灯·2025-02-21 08:05

机器学习杂记

模拟退火在每一步都以一定的概率接受比当前解更差的结果，从而有助于跳出局部极小。在每一步迭代过程中，接受次优解的概率要随着时间的推移而逐渐降低，从而保证算法稳定。使用随机梯度下降。

被自己蠢哭了·2025-02-21 08:33

量子测量：如何从量子状态获取信息？

与经典物理不同，量子系统的状态并不是一个确定的值，而是由多个可能的状态组成的概率波函数，测量过程在其中扮演了至关重要的角色。

Ash Butterfield·2025-02-20 22:03

LTC流程概述与核心要点--华为LTC流程专家许浩明老师分享心得体会

即便有了项目线索也因为没能尽早有效跟踪培育线索而失去项目机会；难以快速响应客户需求；面向客户界面混乱，销售人员基本是单兵作战，难以形成战斗力，很多销售人员销售经验能力又不足，直接导致的结果就是：市场中标概率小

华为LTC专栏流程管理专家许浩明·2025-02-20 12:55

腿足机器人之五- 粒子滤波

直方图方法将状态空间分解成有限多个区域，并用直方图表示后验概率。直方图为每个区域分配一个单独的累积概率；可以将其视为对连续密度函数的逐段常数近似。第二种技术通过有限多个样本来表示后验概率。

shichaog·2025-02-20 04:26

Pytorch实现论文之利用多生成器来预防模式崩溃

简介简介：一般来说，生成器相比判别器要完成的任务更加困难，前者需要完成数据概率密度的拟合，而后者只需要判别真伪，影响GAN性能的一个问题就是模式奔溃。而采用多生成器可以缓解这个问题。

这张生成的图像能检测吗·2025-02-20 04:17

图像识别技术与应用第三课

一、感知机感知机由美国学者FrankRosenblatt在1957年提出，它根据输入x、权重w和偏差b进行输出，输出结果是二分类（0或1），这和输出实数的回归以及输出概率用于多分类的Softmax不同。

哈哈~156·2025-02-20 01:25

Java程序员面临抉择：激烈竞争下，转行大模型或是新出路，非常详细收藏我这一篇就够了！

概率论与统计：概率分布、统计推断等。微积分：导数、积分、多变量函数等。Python编程：Python基础：数据类型、控制结构、函数等。Python进阶：面向对象编程、装饰器、生成器等。

大模型教程·2025-02-19 15:04

一文读懂！深度学习 + PyTorch 的超实用学习路线

线性代数、概率论与数理统计、微积分是深度学习的数学基石。熟悉矩阵运算、概率分布、梯度计算等概念，能帮助理解深度学习模型的原理。例如，在神经网络中，矩阵乘法用于神经元之间的

a小胡哦·2025-02-19 03:27

LLM 参数解析：使用 OpenAI API 在 Python 中的实用指南（含示例）

这是因为LLM具有概率性，它们的输出基于所学到的模式和概率，而不是固定规则。幸运的是，你可以通过调整特定的参数来控制LLM的行为，就像微调收音机的旋钮来调整到想要的电台一样。

真智AI·2025-02-18 14:09

深度学习与图像识别：机器学习基础之回归

1.线性回归1.1一元线性回归1.2多元线性回归2.逻辑回归与线性回归的不同在于其将最终预测值y固定在一个范围之中2.1Sigmoid函数sigmoid函数表达式：p为预测出来的概率，范围在0-1之间，

Shenrn_·2025-02-18 14:34

过于依赖chatgpt编程会有哪些弊端？

如果完全不检查直接运行，相当于闭着眼睛开车，翻车概率大增

奇偶变不变·2025-02-18 13:22

书籍-《概率论I：随机变量与分布》

ProbabilityTheoryI:RandomVariablesandDistributions作者：AndreaPascucci出版：Springer编辑：陈萍萍的公主@一点人工一点智能书籍下载-《概率论

·2025-02-18 04:12

【LLM】大模型基础--大规模预训练语言模型的开源教程笔记

1.引言本文以DataWhale大模型开源教程为学习路线，进行一整个大模型的入门操作什么是语言模型语言模型是一种对词元序列（token）的概率分布，可以用于评估文本序列的合理性并生成新的文本。

Langchain·2025-02-18 02:00

python怎么安装sympy库_SymPy库常用函数

SymPy支持符号计算、高精度计算、模式匹配、绘图、解方程、微积分、组合数学、离散数学、几何学、概率与统计、物理学等方面的功能。

weixin_39528559·2025-02-17 17:58

机器学习:朴素贝叶斯

概率1.1定义概率表示随机事件发生可能性大小的一个数值,随机事件指在相同条件下,可能出现也可能不出现的事件。例如:抛硬币:当我们抛硬币时,可以正面朝上也可以反面朝上,正面或反面朝上的可能性被称为概率。

小源学AI·2025-02-17 16:46

朴素贝叶斯模型在文本分类中的应用

朴素贝叶斯（NaiveBayes）是一种基于贝叶斯定理的概率分类算法，广泛应用于文本分类任务中。它的核心思想是根据训练数据中不同类别的条件概率，预测新文本属于哪个类别。

Ash Butterfield·2025-02-17 15:36

【element】谷歌浏览器 el-dialog 概率出现背景全黑，透明度不生效

项目场景：谷歌浏览器问题描述谷歌浏览器el-dialog概率出现背景全黑，透明度不生效classv-modalopacity:0.5不生效解决方案：采用opacity:1background:0.5透明度的黑色代码如下

丶思想·2025-02-17 12:10

vue 启动项目报错Cannot read properties of undefined (reading ‘parseComponent‘）

如果出现如下报错大概率是因为install时中途出现异常导致vue-template-compiler依赖没有正常安装导致的，重新安装即可SyntaxError:TypeError:Cannotreadpropertiesofundefined

知道的越多越难受·2025-02-17 08:34

从0开始的操作系统手搓教程附二——调试我们的操作系统（bochs调试小记）

毕竟伴随代码量的增大，出错的概率自然也会直线的上升。我们可以调试OS的什么我们可以查看页表，查看GDT,IDT等后面我们编写操作系统会使用到的数据结构可以看到当前线程流的栈的数据可以反

charlie114514191·2025-02-16 22:22

”人货场”模型搞懂没？数据分析大部分场景都能用！

接地气的陈老师·2025-02-16 18:51

8 ＞查找

（通常考虑查找成功和失败）ASL=∑i=1nPiCi(P：查找i号元素的概率，C：查找i号元素的查找长度)AS

irisart·2025-02-16 18:49

人工智能的本质解构：从二进制桎梏到造物主悖论

即使深度神经网络看似模拟人脑突触，其本质仍是矩阵乘法的迭代游戏——波士顿动力机器人的空翻动作不过是微分方程求解的物理引擎呈现，AlphaGo的围棋神话只是蒙特卡洛树搜索的概率统计。

Somnolence.·.·.·.·2025-02-16 18:18

文本生成型人工智能：逻辑算法与文字组合的重构艺术

一、数据训练：从概率统计到仿生逻辑的跨越文本生成型AI的核心在于通过神经网络模型对语言

Somnolence.·.·.·.·2025-02-16 17:13

华为OD机试 - 特殊的加密算法 - 深度优先搜索DFS（Java 2024 D卷 200分）

刷的越多，抽中的概率越大，每一题都有详细的答题思路、详细的代码注释、样例测试，发现新题目，随时更新，全天CSDN在线答疑。

哪吒·2025-02-16 14:48

erf 和 erfc 函数介绍以及在通信系统中的应用

1.误差函数（erf）误差函数\(\text{erf}(x)\)是一种特殊函数，在概率、统计和偏微分方程中有广泛应用。

正是读书时·2025-02-16 09:39

基于开源千文模型（如Qwen、ChatGLM等）实施如何进行动态蒸馏，详细说明操作步骤.

具体来说：教师模型：提供软标签（softlabels），即概率分布，而不是硬标签（hardlabels）。学生模型：通过模仿教师模型的输出分布，学习更丰富的知识。动态蒸馏：在训练过程中，教师

墨者清风·2025-02-15 11:54

Linux 6.13 合并移除 ReiserFS 的补丁

很多年轻的运维大概率不知道ReiserFS文件卷系统，ReiserFS和ext2,ext4,fat32,NTFS一样都是一种文件卷结构。作为服务器文件卷远不如NTFS有名也不如其稳定。

CIb0la·2025-02-15 09:10

python期权定价：欧式香草期权-二叉树

风险中性概率：p=(e^(rΔt)-d)/(u-d)，用于计算未来现金流的期望值。折现因子：df=e^(-rΔt)，将未来价值折现到当前。初始化到期价值：计算到期时所有可能价格路径的期权内在价值。

2401_88673555·2025-02-15 00:55

用大模型学大模型03-数学基础概率论

https://metaso.cn/s/Jp0OU9w提示词:我正在学习深度学习相关的数学知识，学到了概率论与统计学部分，给我一个入门级的完整教程和实例。

wyg_031113·2025-02-14 22:39

拉普拉斯平滑（Laplacian smoothing）

概念零概率问题：在计算事件的概率时，如果某个事件在观察样本库（训练集）中没有出现过，会导致该事件的概率结果是0。

潜心学习的渣渣·2025-02-14 22:07

概率图模型家族（HMM、MaxEnt、MEMM和CRF）

目录概率图（ProbabilisticGraphical）有向概率图无向概率图隐马尔科夫模型（HMM）最大熵模型（MaxEnt）最大熵马尔科夫模型（MEMM）条件随机场（ConditionalRandomField

ErbaoLiu·2025-02-14 21:29

【一起看花书1.3】——第5章机器学习基础

线性回归是比较简单的，从高代、概率论就可以理解，甚

应有光·2025-02-14 17:03

Vue3为了封装组件，我写了三天的 vue3 hook！学起来！

这种习惯在独立开发时无所谓，毕竟没人会关心你咋实现的，但是在跟人合作时就给别人造成了很大的困扰了，毕竟每个人封装的东西都是根据自己习惯来的，别人看着多少会有点不顺眼，而且自己封装的组件大概率也是没有写文

chenNorth。·2025-02-14 12:20

AI 写作（三）文本生成算法：创新与突破

在优化准则上，生成式模型致力于学习联合概率分布，而判别式模型则专注于建立输入数据和输出之间的关系，学习条件概率分布。

sdgfsdfxcg·2025-02-14 06:11

机器学习·逻辑回归

基于线性回归的模型，通过使用逻辑函数（如Sigmoid函数）将线性组合的结果映射到0到1之间的概率值，用于表示属于某个类别的可能性。

AAA顶置摸鱼·2025-02-14 03:00

书籍-《机器学习数学基础》

CambridgeUniversityPress编辑：陈萍萍的公主@一点人工一点智能下载：书籍下载-《机器学习数学基础》01书籍介绍理解机器学习所需的基本数学工具包括线性代数、解析几何、矩阵分解、向量微积分、最优化、概率论和统计学

·2025-02-14 01:30

Qt遇到LNK2019或者其它报错的通用方法

当你确认你的代码无误，那么大概率是你新增了一些文件在Qt项目里面，因此你需要把已经生成过的DEBUG或者release文件删除了，然后在右键你的项目选择清除，然后点qmake，最后再构建，大多数情况都可以得以解决

CS_Dr.Deng·2025-02-14 01:45

python同花顺交易接口_开启量化第一步！同花顺iFinD数据接口免费版简易操作教程...

而量化交易，旨在以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，辅助投资者进行理性投资。

weixin_39564527·2025-02-13 15:12

【深入探索-deepseek】高等数学与AI的因果关系

目录数学在AI不同领域的应用区别一、计算机视觉领域1.线性代数2.微积分3.概率论与统计二、自然语言处理领域三、语音识别领域四、数学在AI不同领域应用的逻辑图五、参考资料数学在AI不同领域的应用区别一、

我的青春不太冷·2025-02-13 11:09

美国大学生数学建模竞赛COMAP2025-C题深度解读

识别可能首次获奖的国家，量化其概率。分析运动项目对奖牌的贡献度，提出国家优势项目优化策略。量化“教练效应”，推荐需引进教练的国家及项目组合。

@BreCaspian·2025-02-13 09:22

花5分钟写个 grpc 微服务架构吧

回想起我学grpc的时候，虽说不难，代码量不大，但还是遇到了很多坑的,如果照着网上的教程来写代码大概率是跑不通的。特此写一篇小白也能看懂的，最简单的，带你手把手写的基于grpc微服务架构项目。

π大星的日常·2025-02-13 09:49

机器学习: 逻辑回归

它通过计算目标变量的概率来预测类别归属，并假设数据服从伯努利分布（二分类）或多项式分布（多分类）。逻辑回归模型输出的是概率值，通常使用sigmoid函数将线性组合映射到0和1之间。

小源学AI·2025-02-13 07:04

三维重建（九）——如何完成一篇好文章

文章目录一、撰写顶会论文1.1顶会激烈1.2提高文章接收的概率1.3撰写一篇出色的论文二、论文写作中最大的错误三、在开始之前要问自己的一些问题（从现在就要开始想）四、如何讲述一个故事五、如何讲述一个科研故事

周末不下雨·2025-02-12 23:36

推荐频道

概率&&期望DP