概率分布

频率学派 极大似然估计MLE，贝叶斯学派 最大后验估计MAP 2021-05-11

那么如何根据已有数据，估计影响数据的概率分布的参数（比如均匀分布的最大最小值，正态分布的均值和标准差），从而确定一个模型，尽量准确地预测新数据？
不想读Paper·2023-07-19 07:39

《信息理论基础》（一）

而且随机矢量的各维概率分布都与时间起点无关，也就是说任意两个不同时刻随机矢量的各维概率分布都相同。连续平稳信源若将信源的输出表示成维随机矢量来描述
BJTULHP·2023-07-19 04:36

Softmax函数

它的原理是将一个向量的元素转化为概率分布，使得每个元素的取值范围在0到1之间，并且所有元素的和为1。
Make_magic·2023-07-19 00:12

由变上限积分求导到随机变量的概率分布

变上限积分求导书推导推导过程根据导数的定义和积分的几何意义，看图：随机变量的概率密度推导若随机变量x在（负无穷，正无穷）的区间上服从f(x)的概率密度，设y=g(x),x=h(y)，求y的概率密度。因为x=h(y)的单调性未知，故有两种可能：单调递增和单调递减，故其概率密度也有两种可能：而如下的做法无法得到关于y的概率密度：
satadriver·2023-07-18 11:33

【自动驾驶汽车量子群粒子过滤器】用于无人驾驶汽车列车定位的量子粒子滤波研究（Matlab代码实现）

它使用量子粒子来近似表示目标状态的概率分布，并通过观测数据进行权重更新和重采
然哥依旧·2023-07-17 23:09

1.1.10. Bayesian Regression（贝叶斯回归）

sklearn一上来就给出了一条很重要的性质：在贝叶斯概率模型中，我们用参数的概率分布（参数本身具有分布的形式），取代
matrix_studio·2023-07-17 06:31

C++11 随机数

库随机数引擎default_random_engine类mt19937随机数引擎真随机数random_device（）随机数分布引擎uniform_real/int_distribution均匀分布随机数其他概率分布类型随机数例题
何处微尘·2023-07-17 05:20

numpy.random模块--np.random.seed与np.random.RandomState

如上一篇文章所介绍的，numpy.random模块提供了一些高效生成各种概率分布下随机数据的函数。实际上，这些随机数是伪随机数，因为他们是由具有确定性行为的算法根据随机数生成器的随机种子生成的。
cjwdllj·2023-07-17 01:12

统计学基础

2.中位数（Median）代表一个样本、种群或概率分布中的一个数值，其可将数值集合划分为相等的上下两部分。对于有限的数集，可以通过把所有观察值高低排序后找出正中间的一个作为中位数。
遇一城·2023-07-16 13:51

回顾分类决策树相关知识并利用python实现

它可以认为是if-then规则的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。分类决策树模型是一种描述对实例进行分类的树形结构。
带我去滑雪·2023-07-16 12:25

大数定律，理性、坚定的恶作剧者

但问题来了，在连续出现了20次正面，那么谁该让反面赶超上来，以实现“正确”的概率分布？1939年，南非数学家克里奇做了一个统计，他将一枚硬币抛了一万次，记录了下面朝上的数量，统计中可
皮皮老猫·2023-07-16 05:52

方差标准差均方差均方误差的区别

概率论中定义：在概率分布中，设X是一个离散型随机变量，若存在，则称为X的方差，记为D(X)，E(X)为随机变量X的期望（定义：离散型）但是在现实世界计算E(X)中，因为X的值太多，计算E(X)不太可能，
昨夜小楼又冬粉·2023-07-15 17:36

亚马逊开源的时间序列预测工具—DeepAR

DeepAR求的是概率分布：P(Zi:t
不分享的知识毫无意义·2023-07-15 13:12

【Matlab】智能优化算法_广义正态分布优化算法GNDO

假设随机变量x服从位置参数μ和尺度参数δ的概率分布，其概率密度函数可以表示为：x可称为正态随机变量，该分布可称为正态分布，即x̃N
敲代码两年半的练习生·2023-07-15 04:30

二项分布

那么就可以被称为贝努利实验只有2个结果每个结果的概率恒定（不能每次实验概率都变动，那就太复杂了）每次实验相互独立（没有干扰）比如抛出硬币不同人做某个医学检验的结果，分为阴性，阳性二项分布做次贝努利实验后，某个结果出现次数的概率分布
数科每日·2023-07-14 21:28

常用分类损失CE Loss、Focal Loss及GHMC Loss理解与总结

一、CELoss定义交叉熵损失（Cross-EntropyLoss，CELoss）能够衡量同一个随机变量中的两个不同概率分布的差异程度，当两个概率分布越接近时，交叉熵损失越小，表示模型预测结果越准确。
chen_zn95·2023-07-14 12:39

机器学习李宏毅学习笔记37

文章目录前言一、ChatGPT做的事情二、ChatGPT基础介绍三、ChatGPT带来的研究问题总结前言ChatGPT简单原理介绍一、ChatGPT做的事情Chatgpt以句子为输入，输出这个句子后面接的词汇的概率分布
log^3me·2023-07-14 09:38

图像分类-熵、KL散度和交叉熵之间的关系

文章目录维基百科的定义：熵：KL散度：交叉熵：发现与总结：Pytorch实践：注意运行结果：Reference:维基百科的定义：熵：KL散度：交叉熵：发现与总结：不难发现，假定给两个概率分布ppp，qqq
Ocodotial·2023-07-13 20:10

python 爬取七普人口并展示人口区间的概率分布

爬虫常用的库：requests,beautifulsoup,urllib2,scrapy等，本次主要用requests库以及正则表达式提取关键信息。正态分布有一个非常重要的性质：在特定条件下，大量统计独立的随机变量的和的分布趋于正态分布，这就是中心极限定理。为了验证中心极限定律，想着爬取七普人口，统计各个人口范围区间内的城市数量，观察直方图，结果查了好多网站也没找到现成的人口数量，最后最后在买购网
映之123·2023-07-13 19:27

（8）生成式模型与判别式模型

生成式模型：利用联合概率分布求条件概率分布，基于贝叶斯公式；贝叶斯模型，隐马尔可夫模型判别式模型：直接求取决策函数。条件随机场，逻辑斯特回归，最大熵模型，支持向量机，K近邻，决策树。
顽皮的石头7788121·2023-07-13 18:41

【自动驾驶汽车量子群粒子过滤器】用于无人驾驶汽车列车定位的量子粒子滤波研究（Matlab代码实现）

它使用量子粒子来近似表示目标状态的概率分布，并通过观测数据进行权重更新和重采
数学建模与科研·2023-07-13 17:35

语言模型解码策略(language models decoding strategy)

解码策略1.greedysearch（贪婪搜索）贪婪搜索的方法是对每一个时间点输出的概率分布，选择概率最大的token作为正确输出，拼接到上一句输入中形成一个新的输入，由于每次选择的是概率最大的token
hangguns·2023-07-13 16:38

人工智能（3）：独立同分布概念

1独立同分布(i.i.d.)在概率统计理论中，如果变量序列或者其他随机变量有相同的概率分布，并且互相独立，那么这些随机变量是独立同分布。
不死鸟.亚历山大.狼崽子·2023-06-24 08:13

目标跟踪算法

Meanshift无参密度估计：直方图法、最近邻域法和核密度估计法，和参数估计不同的是，无参密度估计不需要知道特征空间服从的概率分布。
xiongraorao·2023-06-24 07:47

一种快速的幂运算方法（底数是自然数e，指数是浮点数）

在深度学习（DeepLearning）中经常需要花费大量时间进行幂运算，典型场景是使用激活函数和计算概率分布的时候。例如在SoftMax层通
Yemiekai·2023-06-23 14:16

SPSS统计教程：卡方检验

p=2096(访问密码:2096)一.卡方分布卡方分布是一种概率分布，若kkk个随机变量Z1、
NLP日志录·2023-06-23 07:56

熵、KL散度和交叉熵

首先我们需要知道，所有的模型都可以看作是一个概率分布模型，包括人脑进行图像分类时也可以看作是一种完美的模型1、信息量如果学过通信应该知道香农定义了信息量的的概念，我们能够理解一件事情信息量很大或者很小，
我是一个对称矩阵·2023-06-23 06:55

【LLM系列之GPT】GPT（Generative Pre-trained Transformer）生成式预训练模型

GPT模型简介GPT（GenerativePre-trainedTransformer）是由OpenAI公司开发的一系列自然语言处理模型，采用多层Transformer结构来预测下一个单词的概率分布，通过在大型文本语料库中学习到的语言模式来生成自然语言文本
致Great·2023-06-22 20:26

拓端tecdat|R语言蒙特卡洛方法：方差分量的Metropolis Hastings（M-H）、吉布斯Gibbs采样比较分析

p=23019蒙特卡洛方法利用随机数从概率分布P(x)中生成样本，并从该分布中评估期望值，该期望值通常很复杂，不能用精确方法评估。在贝叶斯推理中，P（x）通常是定义在一组随机变量上的联合后验分布。
·2023-06-22 11:30

python实现资产配置(2)--Blacklitterman 模型

1.Black-Litterman模型简介在python实现资产配置(1)----Markowitz投资组合模型中,我们已经见过如何使用Markowitz求得最优资产配比.这是一种在已知未来各资产的概率分布
qq_32022037·2023-06-22 08:24

机器学习的学习准则（期望风险最小化、经验风险最小化、结构风险最小化）

这个真实的分布未知输入空间X和输出空间Y构成样本空间，对于样本空间中的样本(x,y)∈XxY，假定x和y之间可通过一个未知的真实隐射y=g(x)来描述，或者通过真实条件概率分布来描述。
learnrocks100·2023-06-22 04:21

Kullback-Leibler Divergence

对于两个离散概率分布P和Q，在一个点集合X上Kullback-Leibler散度定义如下：DKL(P∣∣Q)=∑x∈XP(x)log(P(x)Q(x))D_{KL}(P||Q)=\sum_{x\inX
O天涯海阁O·2023-06-21 18:09

损失函数——KL散度（Kullback-Leibler Divergence，KL Divergence）

KL散度（Kullback-LeiblerDivergence，简称KL散度）是一种度量两个概率分布之间差异的指标，也被称为相对熵（RelativeEntropy）。
木子十口儿几丶·2023-06-21 18:08

KL(Kullback-Leibler)散度——衡量两个概率分布的相似性的度量指标

今天，我们介绍机器学习里非常常用的一个概念，KL散度，这是一个用来衡量两个概率分布的相似性的一个度量指标。
奥瑞给给~~·2023-06-21 18:08

KL散度(Kullback-Leibler_divergence)

KL-divergence，俗称KL距离，常用来衡量两个概率分布的距离。
sallyyoung_sh·2023-06-21 18:08

Kullback-Leibler散度（KL散度）

KL散度（Kullback-Leiblerdivergence）是一种用来衡量两个概率分布之间的差异性的度量方法。它的本质是衡量在用一个分布来近似另一个分布时，引入的信息损失或者说误差。
Top Secret·2023-06-21 18:07

KL散度（Kullback-Leibler散度）笔记

KL散度是描述两个概率分布相似度的一种度量。KL散度起源于信息论。信息论的主要目标是量化数据中有多少信息。信息论中最重要的指标称为熵，通常表示为H。熵没有告诉我们可以实现这种压缩的最佳编码方案。
枕戈待旦FSM·2023-06-21 18:07

Kullback-Leibler Divergence （KL 散度）

转载自：https://blog.csdn.net/matrix_space/article/details/80550561今天，我们介绍机器学习里非常常用的一个概念，KL散度，这是一个用来衡量两个概率分布的相似性的一个度量指标
SilenceHell·2023-06-21 18:07

Kullback-Leibler_divergence（KL散度、相对熵）

zb1165048017/article/details/489371351前言注意两个名词的区别：相对熵：Kullback–Leiblerdivergence交叉熵：crossentropyKL距离的几个用途：①衡量两个概率分布的差异
敲代码的quant·2023-06-21 18:07

KL（Kullback-Leibler）散度及其python实现

目的：描述两个概率分布P和Q之间的差异计算方法：用P拟合Q：P对Q的散度=交叉熵-P熵DKL(p∥q)=H(p,q)−H(p)=−∑xp(x)log⁡q(x)−∑x−p(x)log⁡p(x)=−∑xp(
不讲魔法讲道理·2023-06-21 18:07

【机器学习】Kullback-Leibler散度实现数据监控

Kullback-Leibler散度度量（相对熵）是信息论中的一种统计测量方法，通常用于量化一个概率分布与参考概率分布之间的差异。虽然KL散度很受欢迎，但它有时会被误解。在实践中，有时也
无水先生·2023-06-21 18:36

Numpy系列（五）：函数库之2随机数及概率分布

Numpy系列目录文章目录一、简介二、思维导图三、Numpy随机数及概率分布1.随机数1.1api版本说明1.2简单随机数1.3设置随机种子生成相同随机数1.4排列组合2.随机抽样2.1离散概率分布2.1.1
hustlei·2023-06-21 14:02

论文笔记：Normalizing Flows for Probabilistic Modeling and Inference

Abstract正则流（Normalizingflows）提供了一种通用的机制来定义富有表达力的概率分布，只需要指定一个（通常简单的）基础分布和一系列可逆变换。
BlueagleAI·2023-06-20 00:08

衡量两个概率分布之间的差异性的指标

原文链接：衡量两个概率分布之间的差异性的指标衡量两个概率分布之间的差异性的指标衡量两个概率分布之间的差异性的指标KL散度（Kullback–Leiblerdivergence）JS散度（Jensen-Shannondivergence
wuling129·2023-06-19 22:39

卡尔曼滤波的数学基础

在卡尔曼滤波中，贝叶斯定理用于估算系统状态的后验概率分布，即给定过去和当前的观测值，预测未来状态的概率分布。以下是卡尔曼滤波的数学基础：状态空间模型卡尔曼滤波的核心是状态空间模型
boringhex.top·2023-06-19 21:46

HMM-Forward/Backward算法实现

M个隐状态-长度为T的观测序列-转移矩阵-发射矩阵-初始概率分布-EvaluationProblem给定,其中方法：找出所有的隐状态，，M是隐状态的数目从所有的隐状态序列中，找到生成观测序列的概率数学表达
IntoTheVoid·2023-06-19 18:55

自然语言处理: 第三章NPLM(Neural Probabilistic Language Mode)

最早是由Bengio在2003年的ANeuralProbabilisticLanguageModel一文中提出来的，NPLM通过学习文本数据的概率分布，能够预测下一个单词或字符的概率，从而生成连贯的语句或段落
曼城周杰伦·2023-06-19 16:59

MCMC（蒙特卡洛采样）

1.MCMC是一种随机性近似推断方法，核心思想是求复杂概率分布下的期望值2.采样的样本应该趋于高概率区域以及样本之间相互独立3.如果p(z)分布简单，可以通过概率分布采样得到所需要的样本4.大多情况下，
整得咔咔响·2023-06-19 11:32

常用连续型随机变量的概率分布表（附概率密度函数全域积分等于1、期望、方差的推导与证明）

常用连续型随机变量的概率分布速查表随机变量记号概率密度函数分布函数期望方差均匀分布X∼U[a,b]X\simU[a,b]X∼U[a,b]p(x)={1b−a,a00,x⩽0p(x)=\left\{\begin
Qmj0923·2023-06-19 10:55

常用离散型随机变量的概率分布表（附概率和为1、期望、方差的推导与证明）

常用离散型随机变量的概率分布速查表随机变量记号分布律期望方差0-1分布X∼B(1,n)X\simB(1,n)X∼B(1,n)P(X=1)=pP(X=0)=1−p,(0
Qmj0923·2023-06-19 10:24
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他