概率分布

matlab正态分布拟合数据画图

1clearclccloseall%生成风速数据wind_speed_data=randn(1000,1)*5+10;%生成均值为10，标准差为5的正态分布数据%计算概率分布直方图hist_bins=linspace
红老鼠·2024-02-14 09:15

用Excel进行数据分析：数据分析工具在哪里？

Excel里面自带的数据分析功能也可以完成SAS、SPSS这些专业统计软件有的数据分析工作，这其中包括：描述性统计、相关系数、概率分布、均值推断、线性、非线性回归、多元回归分析、时间序列等内容。
东方草堂的数据·2024-02-13 09:26

交叉熵损失函数（Cross-Entropy Loss）的基本概念与程序代码

其基本概念如下：1.基本解释：交叉熵损失函数衡量了模型预测的概率分布与真实概率分布之间的差异。在分类问题中，通常有一个真实的类别标签，而模型会输出一个概率分布，表示样本属于各个类别的概率。
小桥流水---人工智能·2024-02-12 16:31

机器学习：Softmax介绍及代码实现

Softmax原理Softmax函数用于将分类结果归一化，形成一个概率分布。作用类似于二分类中的Sigmoid函数。对于一个k维向量z，我们想把这个结果转换为一个k个类别的概率分布p(z)。
是Dream呀·2024-02-12 10:44

【2018-10-02】条件随机场

设X和Y是随机变量，P(Y|X)是在给定X的条件下Y的条件概率分布，若随机变量Y构成一个由无向图G=(V,E)表示的马尔科夫随机场，即满足马尔科夫性：w~v(与v连接的所有w)线性链条件随机场线性链条件随机场的参数形式
BigBigFlower·2024-02-12 04:00

[Python] KDE图[密度图(Kernel Density Estimate,核密度估计)]介绍和使用场景(案例)

核密度估计（KernelDensityEstimate，KDE）是一种非参数统计方法，用于估计未知随机变量的概率分布。
老狼IT工作室·2024-02-11 16:26

鄂维南：从数学角度，理解机器学习的「黑魔法」，并应用于更广泛的科学问题...

鄂老师首先分享了他对机器学习数学本质的理解（函数逼近、概率分布的逼近与采样、Bellman方程的求解）；然后介绍了机器学习模型的逼近误差、泛化性质以及训练等方面的数学理论；最后介绍如何利用机器学习来求解
人工智能与算法学习·2024-02-10 22:29

解锁机器学习多类分类之门：Softmax函数的全面指南

1.引言Softmax函数的定义和基本概念Softmax函数，也称为归一化指数函数，是一个将向量映射到另一个向量的函数，其中输出向量的元素值代表了一个概率分布。
程序员Chino的日记·2024-02-09 08:33

数字图像处理实验记录八（图像压缩实验）

霍夫曼编码原理是利用信息符号概率分布特性的变字长的编码方法。对于出现概率大的信息符号编以短字长的码，对于出现概率
泉绮·2024-02-09 02:39

MATLAB环境下使用同态滤波方法进行医学图像增强

其中直方图均衡化方法只是根据图像的灰度概率分布函数进行简单的全局拉伸，没有考虑像素间的灰度联系情况，进行直方图均衡化后，会在一定程度上提高图像的对比度，但是图像的灰度级会进行合并进而减少，造成细节的丢失
哥廷根数学学派2023·2024-02-08 10:33

MATLAB环境下基于同态滤波方法的医学图像增强

其中直方图均衡化方法只是根据图像的灰度概率分布函数进行简单的全局拉伸，没有考虑像素间的灰度联系情况，进行直方图均衡化后，会在一定程度上提高图像的对比度，但是图像的灰度级会进行合并进而减少，造成细节的丢失
哥廷根数学学派·2024-02-08 10:32

AdaBoost 算法

一、面临两个问题：在每一轮，如何改变训练数据的概率分布或者权值分布。如何将弱分类器组合成强分类器。二、AdaBoost的思路：提高那些被前一轮弱分类器错误分类样本的权
Rnan-prince·2024-02-08 08:03

收藏 | 统计学最全思维导图，附下载链接

思维导图描述性统计：表格与图形法描述性统计：数值方法概率概率分布抽样分布区间估计假设检验两总体均值&比例的推断总体方差的统计推断多个比率的比较/独立性/拟合优度检验实验设计|方差分析简单线性
一木Campus·2024-02-08 04:12

c语言求信源的信息熵,第二章-信源与信息熵（三）

如果连续随机变量X，取值为实数域R，其概率密度函数为p(x)，则如果取值为有限实数域[a,b]，则X的概率分布函数为利用离散信源熵的概念来定义连续信源熵设一在[a,b]取间的连
UEgood雪姐姐·2024-02-07 09:17

机器学习 | 探索朴素贝叶斯算法的应用

朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法：1）对于给定的待分类项r，通过学习到的模型计算后验概率分布。2）此项出现的条件下各个目标类别出现的概率，将后验概率最大的类作为α所属的类别。
亦世凡华、·2024-02-07 03:45

机器学习---概率图模型（隐马尔可夫模型、马尔可夫随机场、条件随机场）

概率模型（probabilisticmodel）提供了一种描述框架，将描述任务归结为计算变量的概率分布，在概率模型中，利用已知的变量推测未知变量的分布称为“推断（inference）”，其核心在于基于可观测的变量推测出未知变量的条件分布
三月七꧁ ꧂·2024-02-06 21:39

4 朴素贝叶斯

生成方法由训练数据学习联合概率分布P(X,Y)，然后求后验概率分布P(Y|X)。即利用训练数据学习P(X|Y)和P(Y)的估计，得到联合概率分布在这里插入图片描述朴素贝
奋斗的喵儿·2024-02-06 21:59

记住，永远不要模仿这些所谓的成功学，成功学不能学

读理工科的学生都学过正态分布曲线，这个曲线告诉我们：无论什么群体，随机变量的概率分布
文林cium·2024-02-06 20:10

图模型的推断

1.链推断N个结点表示N个离散变量，每个变量有K个状态，这种情况下，势函数是由一个k*k的表组成，因此联合概率分布有个参数。
rosyxiao·2024-02-06 17:40

（一）连续随机量的生成-接受拒绝重采样

我们引入辅助概率分布ggg并采取以下假设：(
Jay Morein·2024-02-06 12:52

提升算法 AdaBoost 算法

有两个问题：在每一轮如何改变训练数据的权值或概率分布如何将弱分类器组合成一个强分类器对于第一个问题，AdaBoost的做法是提高那些被前一轮弱分类器错误分类样本
shenghaishxt·2024-02-04 11:09

刘嘉概率论22讲《十二，正态分布，最简单却最重要的概率分布》

正态分布是概率分布中最重要的分布，再数学家眼里，他是远远高于其他分布的。其他分布都是特殊的，只有正态分布是正常的，一般的，从名字上，我们也能感受到它的重要性。
阿木魔法学院·2024-02-03 19:40

机器学习系列——（七）简单分类算法

朴素贝叶斯分类算法的核心思想就是利用已知类别的训练数据来估计每个特征对于分类结果的影响，并通过这些特征值的联合概率分布来确定新实例
飞影铠甲·2024-02-03 17:12

机器学习原理

熵/剪枝/随机森林随机选取n个数据得到m棵cart树进行bagging贝叶斯通过训练集得到先验以及条件分布，在对测试集进行后验概率的计算Gibbs采样马尔可夫平稳过程达到收敛的后验MCMC算法给定一个概率分布
ixtgtg·2024-02-03 07:51

Generalized Focal Loss：Focal loss魔改以及预测框概率分布，保涨点 | NeurIPS 2020

为了高效地学习准确的预测框及其分布，论文对Focalloss进行拓展，提出了能够优化连续值目标的GeneralizedFocalloss，包含QualityFocalloss和DistributionFocalloss两种具体形式。QFL用于学习更好的分类分数和定位质量的联合表示，DFL通过对预测框位置进行general分布建模来提供更多的信息以及准确的预测。从实验结果来看，GFL能够所有one-
VincentTeddy·2024-02-02 07:38

深度学习如何入门?

以下是一些建议的步骤来快速入门并逐步深入理解深度学习：1.基础知识准备数学基础：理解和掌握线性代数（矩阵运算、向量空间）、微积分（梯度、导数）、概率论与统计学（概率分布、最大似然估计、贝叶斯推断）是至关重要的
dami_king·2024-02-02 07:45

SPI指数计算(Standardized Precipitation Index,标准化降水指数) 附完整MATLAB代码

对月降水量资料进行统计分析,拟合出最适合的概率分布函数。常用的有PearsonIII分布、Gamma分布等。根据所选取的概率分布函数,估计出各个时间尺度下的平均值和标准差。对于任意一个时间尺度,用
MATLAB代码顾问·2024-02-02 04:40

机器学习复习（7）——损失函数

它衡量的是模型预测的概率分布与真实标签的概率分布之间的差异。下面是交叉熵损失函数的推导过程:1.概率模型：在分类问题中，假设有一个模型预测出类别的概率为。
不会写代码！！·2024-02-01 11:58

机器学习数学基础

机器学习基础1、标量、向量、矩阵、张量2、概率函数、概率分布、概率密度、分布函数3、向量的线性相关性4、最大似然估计5、正态分布（高斯分布）6、向量的外积（叉积）7、向量的内积（点积）8、超平面（H）1
对许·2024-02-01 11:26

《好好学习》完结

概率论：生活是一个各项条件随机发生的概率分布，过去的每一件事情的结果，是众多可能的结果之一。未来要发生的事情，也将有
曼Lucky·2024-02-01 08:08

【人工智能】交叉熵损失函数

交叉熵主要用于度量两个概率分布间的差异性，公式如下：H(p,q)=−∑i=1np(xi)log(q(xi))H(p,q)=-\sum_{i=1}^{n}p(x_i)log(q(x_i))H(p,q)=−
WEL测试·2024-01-31 22:52

《统计学习方法：李航》笔记 从原理到实现（基于python）-- 第5章 决策树

文章目录第5章决策树5.1决策树模型与学习5.1.1决策树模型5.1.2决策树与if-then规则5.1.3决策树与条件概率分布5.1.4决策树学习5.2特征选择5.2.1特征选择问题5.2.2信息增益
北方骑马的萝卜·2024-01-30 14:20

朴素贝叶斯原理分析及文本分类实战

如何用朴素贝叶斯来进行文本分类问题1数据精度问题问题2log(0)得到负无穷问题4.程序设计1以单词为单位进行计数2以文本为单位进行计数3以变化的权重值进行计数5实验结果分析6总结1.什么是贝叶斯贝叶斯本质上就是条件概率分布
沪上小乔·2024-01-30 08:49

【NLP冲吖~】一、朴素贝叶斯（Naive Bayes）

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xxx，利用贝叶斯定理求出后验概率最大的输出yyy。
漂泊老猫·2024-01-30 08:41

【机器学习】损失函数

L1平均绝对误差MAEL2均方误差MSE交叉熵CE用于度量两个概率分布之间的差异性信息。对交叉熵求最小值，也等效于求最大似然估计。在机器学习领域，我们令P(x)为预测集，Q(x)为真实数据集。
惊雲浅谈天·2024-01-29 08:28

NPL-FastText文本分类Bag of Tricks for Efficient Text Classification

根据上下文推测某个单词出现的最大概率对基于词袋bow的句子文本进行一个简单和有效的线性分类该分类可以选择逻辑回归或者SVM为了使输入简单，使用一个look-uptable查找表，把单词平均转化到文本形式-使用softmax来计算预定义类的概率分布
机器不能学习·2024-01-29 04:15

PRML笔记（十）

并且去在该概率分布下计算一些exp
以负熵为食·2024-01-28 13:14

蒙特卡洛模拟之逆变换法

逆变换法的基本思想是，通过对一个已知概率分布函数的随机变量进行逆变换，得到符合另一个概率分布函数的随机变量。
亦旧sea·2024-01-28 05:33

Matlab 绘制数据的概率分布图 & 概率密度的构造

文章目录Part.IIntroductionPart.II绘图Part.III概率密度的构造Chap.Imakedist函数解析Chap.II使用方法Part.IIntroduction本文主要介绍一下如何使用Matlab来绘制数据的分布频数分布直方图、概率密度曲线和累积分布曲线等；另外还介绍了如何用makedist函数来构造概率密度。Part.II绘图一个小总结clc;clear%构造数据,生成
流浪猪头拯救地球·2024-01-27 12:30

最大熵模型

最大熵的思想当你要猜一个概率分布时，如果你对这个分布一无所知，那就猜熵最大的均匀分布；如果你对这个分布知道一些情况，那么，就猜满足这些情况的熵最大的分布。运用最大熵
dreampai·2024-01-25 23:16

机器学习系列15：通过t-SNE可视化高维数据

简单来说，t-SNE试图发现数据集中的样本在原始高维空间中距离的概率分布，然后再去低维空间中重建这种概率分布。我们通过t-SNE将高维空间中的数据点嵌入到了低维空
加百力·2024-01-25 22:38

大模型用model.generate 直接产生文本的id以及获得模型生成文本概率的方法

通过对这些logits应用softmax函数，可以得到概率分布。使用log
samoyan·2024-01-24 23:55

大模型理论基础初步学习笔记——第一章 引言

大模型理论基础初步学习笔记——第一章引言1.1什么是语言模型1.1.1.联合分布表示：1.1.2.自回归语言模型(Autoregressivelanguagemodels)：1.1.3.温度参数：1.1.4.退火条件概率分布
panda_dbdx·2024-01-24 16:48

解码器生成策略：大模型 Decoder 的应用与实践

解码器生成策略在自回归语言生成中发挥着关键作用，它基于一个假设：一个词序列的概率分布可以分解为下一个词条件概率分布的乘积。在自回归语言生成中，初
百度_开发者中心·2024-01-24 16:13

深入理解边缘高斯分布与条件高斯分布

在这个分布的框架下，我们经常会遇到边缘高斯分布和条件高斯分布，它们分别涉及了从原始分布中选择一部分变量和在已知条件下计算其他变量的概率分布。
DoYoungExplorer·2024-01-24 13:55

多元高斯分布：边缘分布推导

边缘概率分布及其边缘化推导与条件分布类似，主要策略是集中于联合分布的指数项的二次型，然后找出边缘分布的均值和协方差。
DoYoungExplorer·2024-01-24 13:25

什么叫概率分布？

概率分布是描述随机变量可能取值及其相应概率的数学函数或规律。它提供了随机变量在各个取值上的概率信息，用于表示随机现象的不确定性和随机性。概率分布可以分为两类：离散概率分布和连续概率分布。
CA&AI-drugdesign·2024-01-24 11:52

什么叫随机变量？

随机变量是指其取值不确定，但遵循某种概率分布的数学变量。随机变量可以分为两种主要类型：离散随机变量和连续随机变量。离散随机变量：如果随机变量的取值是有限或可数的，那么它被称为离散随机变量。
CA&AI-drugdesign·2024-01-24 11:22

Python实现离散选择概率模型(Probit算法)项目实战

1.项目背景Probit模型是经过Logit模型的形式经过变形后得到的，Probit模型假设与标准正态分布的概率分布函数相似。本项目通过Probit算法来构建概率模型。
胖哥真不错·2024-01-24 04:03

LLM自回归解码

计算下一个单词的概率分布：使用语言
eduics·2024-01-23 03:38
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他