概率与期望《概率论》第10页

《机器学习实战》笔记（四）：Ch4 - 基于概率论的分类方法:朴素贝叶斯

第四章基于概率论的分类方法:朴素贝叶斯[代码][ch04]基于贝叶斯决策理论算法优缺点优点:在数据较少的情况下仍然有效。可以处理多类别问题。缺点:对于输入数据的准备方式较为敏感。范围:标称型数据。

Liu_Goodfellow·2023-10-24 20:09

《机器学习实战》ch1 ~ ch15 笔记目录

《机器学习实战》笔记（一）：Ch1-机器学习基础《机器学习实战》笔记（二）：Ch2-k-近邻算法《机器学习实战》笔记（三）：Ch3-决策树《机器学习实战》笔记（四）：Ch4-基于概率论的分类方

Liu_Goodfellow·2023-10-24 20:09

考研数学一二三区别？考研数学复习依据有哪些？

全国硕士研究生入学考试中的统考数学从卷种看，一共分3种：针对工科类的为数学一、数学二;针对经济学和管理学类的为数学三，难度要求依次从高到低;从考试内容上来看，涵盖了高等数学、线性代数、概率论与数理统计;

研妹砸·2023-10-24 19:28

考研二战日记-第52天——概率论：大数定律与中心极限定理

考研帮分章节整理考研数学概率论与数理统计部分的重点公式，旨在帮助大家理清重点，做到经常回顾，配合习题练习做到知识的灵活应用，今天我们一起了解下大数定律和中心极限定理有哪些重点公式。

「已注销」·2023-10-24 05:29

考研二战日记-第49天——概率论：多维随机变量及其分布

分布函数边缘分布函数条件分布函数概率密度1：二维离散型随机变量2：二维连续型随机变量3：边缘分布4：条件分布5：条件概率密度

「已注销」·2023-10-24 05:59

PKU 概率论总结

1、数学的推导是一方面，想明白是另一方面2、习题不重要，重要的是理解概念。continue............

jyNext·2023-10-24 05:27

【马蹄集】—— 概率论专题：第二类斯特林数

概率论专题：第二类斯特林数目录MT2224矩阵乘法MT2231越狱MT2232找朋友MT2233盒子与球MT2234点餐MT2224矩阵乘法难度：黄金时间限制：5秒占用内存：128M题目描述输入两个矩阵

theSerein·2023-10-24 05:57

PKU 概率论+数理统计+建模期中考复习总结

目录计算条件概率计算概率（放回与不放回）生成随机数算法LinearCongruentialMethod判断是否是fullperiodUniformity(testoffrequency)1.Chi-Squaretestmethodreminderexample2.Kolmogorov-SminovtestmethodexampleIndependence(testofautocorrelation

月光不染是非·2023-10-24 05:56

概率论_概率公式中的分号(；)、逗号(,)、竖线(|) 及其优先级

目录1.概率公式中的分号(;)、逗号(,)、竖线(|)2.各种概率相关的基本概念2.1联合概率2.2条件概率（定义）2.3全概率(乘法公式的加强版)2.4贝叶斯公式贝叶斯定理的公式推导1.概率公式中的分号(;)、逗号(,)、竖线(|);分号代表前后是两类东西，以概率P(x;θ)为例，分号前面是x样本，分号后边是模型参数。分号前表示的是这个式子用来预测分布的随机变量x，分号后表示所需的相关参数θ。,

惊鸿一博·2023-10-24 05:26

关于实变函数中德摩根定律和集合列上下极限的一些讨论

文章目录前言一、德-摩根定律1.概率论与逻辑代数2.集合论二、集合列的上极限与下极限1.基本定义2.个人理解3.一个例子4.集合形式的描述定理结语前言实变函数论是克服黎曼可积函数狭隘性的重要理论。

大娱乐至上·2023-10-24 03:45

2019-04-03

今天很遗憾又没上场，原因是没报我名字，难受，本来可以上4分多钟的，可惜可惜，今天比赛被裁判针对，服了，不过我的脚恢复的但是很快，这算是好消息了，1000米3分15，50米6秒6，成绩还可以，下午概率论逃课了

89ab2a6d4395·2023-10-23 13:37

我是不是真的老了

今天，抱佛脚似的学起概率论，听视频的时候觉得人家讲的偷偷头头是道，自己听的各种有理，结果，下午看的，晚上回来复习就不记得了。

大茁儿·2023-10-23 07:36

如何从小白成长为AI工程师笔记

入门机器学习基础对于本科生来说，需要打好数学基础，包括高数、概率论和线性代数。对于已经上研究生或工作想转行的人来说，可以直接开始学习机器学习算法，重要的是理解算法的原理和推导过程。

北辰Charih·2023-10-23 06:09

人工智能算法学习笔记（一）——开篇

在前期复习过高等数学，线性代数以及概率论数理统计的基础知识后，又学习了Python3，终于开始踏入人工智能学习的道路。这条道路虽然艰难，但不忘初心，方得始终！

姜球球·2023-10-23 02:37

100天搞定机器学习|Day15 朴素贝叶斯

贝叶斯曾是对概率论与统计的早期发展有重大影响的两位（贝叶斯和布莱斯·帕斯卡BlaisePascal）人物之一。贝叶斯在数学方面主要研究概率论。他首先将归纳推理法用于概

统计学家·2023-10-23 01:07

UCAS - AI学院 - 自然语言处理专项课 - 第2讲 - 课程笔记

UCAS-AI学院-自然语言处理专项课-第2讲-课程笔记数学基础概率论基础信息论基础熵（Entropy）联合熵（JointEntropy）条件熵（ConditionalEntropy）熵率（EntropyRate

支锦铭·2023-10-23 01:32

怎么学一门新的知识？

这几天买了个概率论入门课程，听着听着突然发现自己逐渐可以理解统计学里的知识了。是自己变聪明了吗？应该不是。那为什么突然就能理解了？新概率论课程讲的知识颗粒度足够细。

水手成长日记·2023-10-23 00:52

生活小记 - 草稿

接下来就是整天的忙碌，在积分中寻找上下限，在物理学寻求惯量，在概率论里想着多久能重逢。

树上有书·2023-10-22 22:49

深度神经网络对人工智能推动的发展评述与应用分析

这一模块覆盖了人工智能必备的数学基础知识，包括线性代数、概率论、最优化方法等。2、机器学习。机器学习的作用是从数据中习得学习算法，进而解决实际的应用问题，是【人工智能】的核心内容之一。

快乐的小蓝猫·2023-10-22 20:41

从不确定性中寻找确定

这是概率论教会我们最重要的思维方式。【分析】很多人会这样想，但事实并不是这样。如果我们把95%的概率定义为成功，那么，这件20%成功概率的事，你需要重复做14次，才能成功。

Yider频道·2023-10-22 18:35

TFSEQ PART III: Batch size大小，优化和泛化

，优化和泛化本文作者：追一科技算法工程师Tony文章目录**TFSEQ**PARTIII:Batchsize大小，优化和泛化前言TLDR：分布式训练的Recipe1.机器学习问题的简单拆解1.1简单的概率论符号

追一科技·2023-10-22 18:23

人工智能数学知识

线性代数向量向量空间；矩阵线性变换特征值特征向量；奇异值奇异值分解1线性代数是人工智能的数学基础之一2线性代数的核心意义在于将具体事物抽象为数学对象3线性代数描述着食物的静态（向量）和（动态变换）的特征2概率论与统计随机事件

你美依旧·2023-10-22 09:24

第六个故事——身边的牛人的故事

认识林老师大概是在三年前，格局的公众号上经常看见林春亮的名字，他还经常给我们讲公开课，有时候讲基金，有时候讲财报，有时候讲概率论，那时候我就在想，这个老师这么年轻，怎么就知道得那么多，那么专业？

李莉深水微蓝·2023-10-22 05:08

月有阴晴圆缺，此事古难全：概率论

概率论关注的是生活中的不确定性或可能性；频率学派认为先验分布式固定的，模型参数要最大似然估计计算；贝叶斯学派认为先验分布式随机的，模型参数要考后验概率最大化计算；正太分布是最重要的一种随机变量的分布。

编程回忆录·2023-10-22 01:47

【PyTorch】深度学习实践 1. Overview

目录人工智能概述课程前置知识人工智能问题分类推理类预测类算法分类传统算法与智能算法人工智能领域细分学习系统的发展基于规则的系统经典机器学习算法表示学习方法维度诅咒说明解决方法第一代第二代（深度学习）传统机器学习策略神经网络基础基本原理正向传播和反向传播正向传播反向传播小结人工智能概述课程前置知识线性代数+概率论

令夏二十三·2023-10-21 22:59

用大数定律计算炉石传说2费2王子的概率 2018-08-10

概率论学不好不会用排列组合来算那就只能依靠大数定律了...先上结论，先手25.8%，后手31.9%importrandomcards=list(range(30))N=1000000count0=0foriinrange

RyouChiei·2023-10-21 22:46

似然函数和贝叶斯的关系

什么是似然函数似然函数（LikelihoodFunction）是统计学和概率论中的一个重要概念。它通常用于估计参数或进行统计推断。似然函数描述

为啥不能修改昵称啊·2023-10-21 21:38

排队论 | Python实现排队论

它是运筹学和概率论的一个重要分支，广泛应用于交通运输、通信网络、生产制造、客户服务等领域。排队论的基本组成部分包括以下几个要素：顾客：代表等待服务的个体，可以是人、车辆、数据包等。

算法如诗·2023-10-21 20:32

【考研数学】概率论与数理统计 —— 第六章 | 数理统计基本概念（1，基本概念）

文章目录引言一、基本概念1.1总体1.2样本1.3统计量1.4顺序统计量写在最后引言以前学概率论的时候，不知道后面的数理统计是什么，所以简称都把后面的省略掉了。

Douglassssssss·2023-10-21 20:28

【考研数学】概率论与数理统计 —— 第六章 | 数理统计基本概念（2，三个重要的抽样分布）

文章目录引言一、χ2\chi^2χ2分布1.1χ2\chi^2χ2分布定义1.2性质二、ttt分布2.1定义2.2性质三、FFF分布3.1定义3.2性质写在最后引言对数理统计的一些基本概念有了了解后，我们来学习三个重要的抽样分布。一、χ2\chi^2χ2分布1.1χ2\chi^2χ2分布定义设X1,X2,⋯ ,XnX_1,X_2,\cdots,X_nX1,X2,⋯,Xn相互独立且均服从标准正态分布

Douglassssssss·2023-10-21 20:28

【考研数学】概率论与数理统计 —— 第五章 | 大数定律与中心极限定理

文章目录一、切比雪夫不等式二、大数定律2.1依概率收敛的定义2.2常见的大数定律三、中心极限定理写在最后一、切比雪夫不等式定理1——（切比雪夫不等式）设随机变量XXX的方差存在，则对任意的ε>0\varepsilon>0ε>0，有P{∣X−E(X)∣≥ε}≤D(X)ε2orP{∣X−E(X)∣0\varepsilon>0ε>0，有lim⁡n→∞P{∣Xn−a∣0\varepsilon>0ε>0，有

Douglassssssss·2023-10-21 20:57

【管理运筹学】第 10 章 | 排队论（2，到达时间间隔的分布和服务时间的分布）

一、普阿松分布其实就是概率论里的泊松分布，这样的翻译我还是头一次见。设N(t)N(t)N(t)为在时间区间[

Douglassssssss·2023-10-21 20:25

2021-09-28给青年人的第3封信：一些忠告

受查理芒格“如何过上痛苦的生活”的启发，让我也来开几味“痛苦药方”：1）尽可能用化学物质比如酒精来麻痹自己，而不是向内探寻情绪从哪里来，以及思考怎么解决；2）坚定相信“不劳而获”是存在的，坚定相信“概率论

Jayzee·2023-10-21 18:56

数据科学中常用的应用统计知识

随着大数据算法技术发展，数据算法越来越倾向机器学习和深度学习相关的算法技术，概率论和应用统计等传统的技术貌似用的并不是很多了，但实则不然，在数据科学工作，还是会经常需要应用统计概率相关知识解决一些数据问题

村头陶员外·2023-10-21 16:34

numpy 是否为零_Python学习第117课--numpy中dot的运用举例

上节我们学习了最基础的matrix的运算，可能有小伙伴觉得这都要涉及高等数学知识了，确实如果你想做数据科学、做人工智能，统计学、概率论等数学知识，尤其是算法是绕不过去的坎，但是不要怕！！！

weixin_39777540·2023-10-21 16:02

python中numpy dot_Python学习第117课——numpy中dot的运用举例

上节我们学习了最基础的matrix的运算，可能有小伙伴觉得这都要涉及高等数学知识了，确实如果你想做数据科学、做人工智能，统计学、概率论等数学知识，尤其是算法是绕不过去的坎，但是不要怕！！！

weixin_39946798·2023-10-21 16:31

上帝的骰子游戏（5）

概率论从来都没有给出掷骰子游戏的赢家策略。但是，概率论揭示了掷骰子或者掷硬币是一个随机过程。每一次投掷，相对于上一次，或者相对于下一次，是随机的，数学上称之为独立事件。

姑苏慕容复·2023-10-21 10:27

2019-08-15

幸福之路第八章论被虐狂1.根据概率论，生活在同一社会中的不同人在其生活中遭遇到的恶意对待的数量很可能是相同的。

天文向上·2023-10-21 05:09

Machine—learning 所需基础数理知识（由黄海广博士整理而成）

数学基础知识文章目录数学基础知识高等数学线性代数行列式矩阵向量线性方程组矩阵的特征值和特征向量二次型概率论和数理统计随机事件和概率随机变量及其概率分布多维随机变量及其分布随机变量的数字特征数理统计的基本概念数据科学需要一定的数学基础

鱼不辞水·2023-10-21 05:03

关于概率

【心得】上学的时候就比较喜欢概率这个学科，总觉得它有种特殊的美，上周培训的时候，老师也强调概率论的强大，与我们的生活息息相关

陈禹同Bruce·2023-10-21 03:41

数学建模|极其不愿意上的一门课

大二，我们学离散数学，运筹学，概率论。大三一学期，我们学，常微分方程！二学期，我们学数学建模！在别人早已告别数学的时候，我们依然在学这些砸凑的数学！枯燥，无聊！

曼珠沙华薇薇·2023-10-20 21:39

概率论与数理统计C复习笔记（下）

统计学三大分布1.卡方分布X1,⋯ ,Xn i.i.d.,∼N(0,1)Y=∑i=1nXi2X_{1},\cdots,X_{n}\;\textup{i.i.d.},\simN(0,1)\\Y=\sum_{i=1}^{n}X_{i}^{2}X1,⋯,Xni.i.d.,∼N(0,1)Y=i=1∑nXi2YYY服从自由度为nnn的卡方分布:Y∼χ2(n)Y\sim\chi^{2}(n)Y∼χ2(n)重

Deng ZY·2023-10-20 04:15

【自用重要】概率论中θ和θ尖的区别【计算时的一般方法】

θ就相当于x，是一个值。θ尖就相当于X，是一个量。在做分布函数的时候，最好把θ尖换成Z的形式，因为他们都是量，这样比较好看。在做不等式的时候，一般把量放在中间进行计算，因为随机变量有分布函数，方便计算。参考图片[1]图片出自喻老李林六套卷数一第22题讲解视频[2]图片出自喻老李林六套卷数一第22题讲解视频

kev_gogo·2023-10-20 04:10

概率论与数理统计在日常生活和社会经济中的应用

概率论与数理统计在日常生活和社会经济中有许多应用。在日常生活中，概率论和数理统计被广泛应用于保险、游戏、医学研究、气象预测等领域。例如，在保险行业中，概率论用于估算保险公司承担的风险，并决定保险费用。

八位数花园·2023-10-19 17:22

朴素贝叶斯：基于概率论的分类模型

欢迎关注”生信修炼手册”!朴素贝叶斯是建立在贝叶斯定理上的一种分类模型，贝叶斯定理是条件概率的一种计算方式，公式如下通过比较不同事件发生的概率，选取概率大的事件作为最终的分类。在朴素贝叶斯中，为了简化计算，假设各个特征之间相互独立，这也是为何称之为"朴素"的原因。以下列数据为例，这是一份统计早上是否出去打高尔夫的样本数据，相关的特征有4个对于一个新的数据点，4个特征的取值分别为sunny,hot,

生信修炼手册·2023-10-19 10:31

机器学习3——朴素贝叶斯（基于概率论的分类方法）

文章目录贝叶斯公式条件概率全概率公式贝叶斯公式先验概率、后验概率朴素贝叶斯朴素贝叶斯模型优缺点使用朴素贝叶斯过滤垃圾邮件贝叶斯公式条件概率事件（结果）：A原因（条件）：B公式：P(B∣A)=P(AB)P(A)P(B|A)=\frac{P(AB)}{P(A)}P(B∣A)=P(A)P(AB)变形：P(AB)=P(B∣A)P(A)=P(A∣B)P(B)P(AB)=P(B|A)P(A)=P(A|B)P(

张好好-学习·2023-10-19 10:31

《机器学习实战》— 基于概率论的分类方法：朴素贝叶斯

知更鸟女孩·2023-10-19 10:28

机器学习实战--基于概率论的分类方法：朴素贝叶斯

前言：朴素贝叶斯算法是有监督的学习算法，解决的是分类问题，如客户是否流失、是否值得投资、信用等级评定等多分类问题。该算法的优点在于简单易懂、学习效率高、在某些领域的分类问题中能够与决策树、神经网络相媲美。但由于该算法以自变量之间的独立（条件特征独立）性和连续变量的正态性假设为前提，就会导致算法精度在某种程度上受影响。基于贝叶斯决策理论的方法1.贝叶斯决策理论假设现在有一个数据集，它由两类数据组成，

aaaaPIKACHU·2023-10-19 10:24

机器学习——基于概率论的分类方法：朴素贝叶斯

朴素贝叶斯(naiveBayes)算法是基于贝叶斯定理与特征条件独立假设的分类方法，对于给定的训练数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布，然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出y，朴素贝叶斯法实现简单，学习与预测的效率都很高，是一种常见的方法。朴素贝叶斯(naiveBayes)算法是有监督的学习算法，解决的是分类问题，如客户是否流失、是否值得投资

fishsmans·2023-10-19 10:24

朴素贝叶斯（基于概率论）

释义贝叶斯定理是“由果溯因”的推断，所以计算的是"后验概率"其中：P(A|B)表示在事件B已经发生的条件下，事件A发生的概率。P(B|A)表示在事件A已经发生的条件下，事件B发生的概率。P(A)和P(B)分别表示事件A和事件B单独发生的概率简单代码实例fromsklearn.feature_extraction.textimportCountVectorizerfromsklearn.naive_

怎么全是重名·2023-10-19 10:52

推荐频道

概率与期望《概率论》