概率论）第32页

【李宏毅机器学习】task06-卷积神经网络

文章目录卷积图像处理中的卷积卷积后的池化全连接层卷积在概率论中，卷积表示成这样连续型[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-lzu23sq2-1669221073219

超级虚空·2022-11-25 12:48

文章目录与概览

摘要随机动力学是一门结合概率论与数值分析方法研究承受随机载荷的机械与结构系统的稳定性、响应以及可靠性的技术学科[1]。

nono_x·2022-11-25 03:46

【迁移学习】分布差异的度量以及迁移学习的统一表征方法

以计算机为载体，机器学习涉及统计学、概率论、凸优化、程序设计等多个子领域。结构风险最小化机器学习就是要寻找一个最优函数fff，使得其在所有的训练数

沐兮Krystal·2022-11-25 00:02

线性代数和深度学习的关系

线性代数、概率论与数理统计、最优化是机器学习的三大数学支柱。他们是学习神经网络的前序课程。神经网络可视化：alexlenail.me/NN-SVG。

强强学习·2022-11-24 23:50

深度学习笔记--线性代数，概率论，数值计算

目录线性代数范数L2L1Frobenius范数特殊类型的矩阵和向量特征分解eigendecomposition奇异值分解SVD概率论概率分布条件概率（conditionalprobability）期望、

iwill323·2022-11-24 22:37

信息论与编码思维导图_信息论-绪论

信息论是人们在长期通信工程的实践中，由通信技术与概率论，随机过程和数理统计相结合而发展起来的一门学科。

秦少爷的琪琪·2022-11-24 12:32

「感恩日语」2022-310，市场恐慌

根据概率论来看，市场无非就三个状态，所谓的涨，普涨，大涨，暴涨。然后是跌，阴跌，大跌，到脚跟。无趋势，平，不温不火。这里面最吸引眼球的莫过于暴跌，人们对坏消息总是乐此不疲的关注。说实话，哪有如何呢？

能学多少学多少·2022-11-24 12:40

概率论基础

一、条件概率的三大公式条件概率中的条件就代表观测变量，观测变量意思就是这个变量的取值是否已经定下来了1.乘法公式2.全概率公式随机现象：在一定的条件下，并不总出现相同结果的现象称为随机现象。随机现象的各种结果会表现出一定的规律性，这种规律性称之为统计规律性。如投掷一枚硬币，正面朝上？反面朝上？样本空间：随机试验是对随机现象进行的实验和观察，随机试验的每一个可能结果称为样本点；样本空间是指所有样本点

Rolandxxx·2022-11-24 05:57

概率分布函数和概率密度函数

无法用这些量词度量，且取值可以取到小数点2位，3位甚至无限多位的时候，那么就是连续型随机变量如果微积分是研究变量的数学，那么概率论与数理统计是研究随机变量的数学。

Mark_Aussie·2022-11-24 05:24

贝叶斯推断及其互联网应用（一）：定理简介

一年过去了，我读了一些概率论文献，逐渐发现贝叶斯推断并不难。原理的部分相当容易理解，不需要用到高等数学。下面就是我的学习笔

ruanyf·2022-11-24 02:27

贝叶斯方法及其应用(1)

贝叶斯定理（英语：Bayes’theorem）是概率论中的一个定理，它跟随机变量的条件概率以及边缘概率分布有关。

kzq_qmi·2022-11-24 02:26

概率论与数理统计——常用结论

1随机事件和概率若A⊆BA\subseteqBA⊆B，则:P(A)≤P(B)P(AB)≤min⁡(P(A),P(B))\begin{aligned}&P(A)\leqP(B)\\&P(AB)\leq\min(P(A),P(B))\\\end{aligned}P(A)≤P(B)P(AB)≤min(P(A),P(B))本章出题一般是考察时间的构造、化自然语言为数学语言之后，用本章公式求解有时需要时间的

溜了溜了==3·2022-11-23 18:24

g2o图优化简介与基本使用方法

（注：这里的图是图论意义上的图，可以用概率论里面的定义，贝

Half_A·2022-11-23 18:19

论文笔记：时间序列分析

依托的主要知识：概率论名词解释：格兰杰因果关系Grangercausality统计学上的因果关系：从统计的角度，因果关系是通过概率或者分布函数的角度体现出来的：在宇宙中所有其它事件的发生情况固定不变的条件下

彩虹糖梦·2022-11-23 14:42

从数理统计简史中看正态分布的历史由来

来源：云脑智库本文约15000字，建议阅读10+分钟本文将结合《数理统计学简史》一书，从早期概率论的发展、棣莫弗的二项概率逼近讲到贝叶斯方法、最小二乘法、误差与正态分布等问题，有详有略，其中，重点阐述正态分布的历史由来

数据派THU·2022-11-23 11:22

《概率论与数理统计》—读书笔记

概率论的基本概念概率论与数理统计是研究和揭示随机现象统计规律性的一门数学学科。统计规律性：在大量重复试验或观察中所呈现出的固有规律性。

studyeboy·2022-11-23 11:52

概率论与数理统计笔记系列之第二章：随机变量及其分布

概率论与数理统计笔记（第二章随机变量及其分布）对于统计专业来说，书本知识总有遗忘，翻看教材又太麻烦，于是打算记下笔记与自己的一些思考，主要参考用书是茆诗松老师编写的《概率论与数理统计教程》，其他知识待后续书籍补充

欧阳妙妙·2022-11-23 11:52

IMC附录A

THEOREMA.1(Binomialexpansiontheorem)PROPOSITIONA.2PROPOSITIONA.3PROPOSITIONA.4A.2渐进符号DEFINITIONA.5A.3概率论基础

南鸢北折·2022-11-23 11:20

数理统计笔记第一章数理统计的基本概念

教材数理统计与多元统计何平著西南交通大学出版社目录基础知识第一节总体与样本第二节样本分布和统计量第三节统计量的分布基础知识看张宇基础30讲——概率论与数理统计的第2、4、6讲。

Hillbox·2022-11-23 11:47

概率论与数理统计期末考试复习总结

为了方便复习下面内容摘自：《高数叔》概率论与数理统计期末总复习笔记（持续更新中）_BitHachi-CSDN博客_高数叔概率论笔记pdf目录一、随机时间与概率—day11.随机事件与样本空间的概念2.事件的关系

郭晋龙·2022-11-23 11:47

机器学习-朴素贝叶斯。

前言：朴素贝叶斯是经典的机器学习算法之一，也是为数不多的基于概率论的分类算法。朴素贝叶斯原理简单，也很容易实现，多用于文本分类，比如垃圾邮件过滤。

joezarlove88·2022-11-23 10:03

机器学习-朴素贝叶斯

1.基于概率论的分类算法：朴素贝叶斯概述：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。

兰花草999·2022-11-23 10:01

彻底搞明白概率论：事件间的关系与运算；频率与概率

文章目录事件间的关系事件间的运算事件间的运算法则概率描述性定义统计性定义频率频率的性质频率是否能够作为概率呢？公理化定义概率的重要性质事件间的关系注意互斥关系和对立关系：互斥关系是：只要A,BA,BA,B不同时发生（不存在公共样本点）即可对立关系的要求更强：要求不仅A,BA,BA,B不同时发生，而且A+B=SA+B=SA+B=S，表示为A=Bˉ,B=AˉA=\barB,B=\barAA=Bˉ,B=

暖仔会飞·2022-11-23 10:55

彻底搞明白概率论：随机事件，样本空间，必然事件，不可能事件

文章目录样本空间样本点随机事件，必然事件，不可能事件参考视频样本空间随机试验E的一切可能基本结果（或实验过程如取法或分配法）组成的集合称为E的样本空间，记为S注意，对于不同的实验，样本空间是不同的，比如用硬币做的所有实验，由于观察的角度和目的不同其样本空间也是不同的，从下面的例子来看：虽然硬币只有Head和Tail两个面，但是由于观察的不同，第二个实验和第一个实验的样本空间完全不同样本点样本空间中

暖仔会飞·2022-11-23 10:24

GAMES101第十五讲Ray Tracing 3笔记

光线追踪3一、辐射度量学2二、双向反射分布函数（BidirectionalReflectanceDistributionFunction）三、基础概率论知识参考文献一、辐射度量学2（1）Irradiance①Irradiance

风后奇门l·2022-11-23 09:10

西瓜书第三章学习心得

这其实是正交回归机器学习三要素1.模型：确定假设空间2.策略：损失函数3.算法：求解损失函数的最小值，得出参数所以对于线性回归1.模型就是线性模型2.策略一般运用极大似然估计3.算法就是梯度下降法或者牛顿法通过学习完高数概率论线性代数之后

keepgoingYi·2022-11-23 08:27

蓝桥杯试题--K-进制数

原题链接：K-进制数解题思路:当我们看到这题时，可能可以想到很多办法，对我而言先想到的是我在概率论学到的知识。

糖醋web排骨·2022-11-23 04:44

畅销榜上的深度学习、机器学习书单！

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度等多门学科，专门研究计算机怎样模拟或实现人类的学习行为。机器学习是人工智能的核心，是使计算机具有智能的根本途径。

人邮异步社区·2022-11-23 03:34

西瓜书1-2章阅读笔记(吃瓜教程Task1)

概览本人根据个人偏好选择一些阅读重点进行笔记当下的机器学习是建立在概率论与数理统计基础之上，所谓机器学习，其实也不过是一种非常特殊且抽象的，计算机找规律。

无知之人_dream·2022-11-22 22:39

机器学习-Sklearn-14（朴素贝叶斯）

朴素贝叶斯的算法根源就是基于概率论和数理统计的贝叶斯理论，因此它是根正苗红的概率模型。接下来，我们就来认识一下这个简单快速的概率算法。

Henrik698·2022-11-22 18:47

百度飞桨深度学习框架研究学习记录

学习目标：通过学习达到熟练使用飞桨进行软件开发，主攻目标检测和单（多）目标跟踪方面，可完成对模型的训练与调参学习内容：掌握线性代数统计学概率论等理论知识掌握多种深度学习算法，如YOLO、RCNN等掌握多种评估指标

caixukun1father·2022-11-22 17:20

均匀分布卡方分布_机器学习者应会的12种概率分布

机器学习有其独特的数学基础，我们用微积分来处理变化无限小的函数，并计算它们的变化；我们使用线性代数来处理计算过程；我们还用概率论与统计学建模不确定性。

weixin_39932762·2022-11-22 17:12

《机器学习实战》笔记——第四章：基于概率论的分类方法：朴素贝叶斯

1说明该书主要以原理简介+项目实战为主，本人学习的主要目的是为了结合李航老师的《统计学习方法》以及周志华老师的西瓜书的理论进行学习，从而走上机器学习的“不归路”。因此，该笔记主要详细进行代码解析，从而透析在进行一项机器学习任务时候的思路，同时也积累自己的coding能力。正文由如下几部分组成：1、实例代码（详细注释）2、知识要点（函数说明）3、调试及结果展示2正文（1）基于贝叶斯决策理论的分类方法

圣西罗风之子·2022-11-22 15:53

蒙特卡洛方法简单应用（python实现）

实际上，蒙特卡洛方法的理论支撑其实是概率论或统计学中的大数定律。基本原理简单描述是先大量模拟，

阿库塔姆·2022-11-22 15:26

计算机专业学生到底该掌握哪些知识以及途经？

其中数学知识包括高等数学和离散数学（计算机行业必学）、线性代数（数字图像处理领域必学）、概率论（大数据/人工智能必学）；专业理论知识包括数据结构与算法、计算机组成原理、操作系统、计算机网络等；编程语言包括

IT1124·2022-11-22 14:36

图像原点矩、二阶中心矩物理意义推导

矩总体认识图像的矩是用于描述图像中灰度值分布的一系列值，矩原本是概率论中的概念，存在一随机变量XXX，我们记其关于点ccc的n阶矩为E[(X−c)

夜半罟霖·2022-11-22 14:00

41.朴素贝叶斯Naive Bayes公式推导与理解+求解公园凉鞋问题(借助文氏图)

朴素贝叶斯是基于概率论统计学的分类算法。贝叶斯理论是指根据一个已发生事件的概率，计算另一个事件的发生概率。

睡觉特早头发特多·2022-11-22 09:24

分类问题学习笔记-朴素贝叶斯

大学上概率论的时候老师大都举过这样一个例子：抽奖盒里有三张券，只有一张中大奖，你抽了一张还没刮，小明抽了一张，刮开没中。这时候剩下最后一张中奖的概率是多少？他要跟你换你换吗？

带问号的小朋友·2022-11-22 07:11

点互信息（PMI）和正点互信息（PPMI）

如下：在概率论中，如果x和y无关，p(x,y)=p(x)p(y)；如果x和y越相关，p(x,y)和p(x)p(y)的比就越大。

Sunny.T·2022-11-22 01:12

五月份组队学习【吃瓜教程】Task03打卡笔记

笔记部分内容来源于网络检索，如有侵权联系可删本次学习针对的对象：有高数、线代、概率论与数理统计基础的同学内容说明：周志华老师的“西瓜书”是机器学习经典入门教材，值得反复阅读，配合“南瓜书”从本科数学基础的视角进行讲解

miskirito·2022-11-21 23:49

五月份组队学习【吃瓜教程】Task01打卡笔记

本次学习针对的对象：有高数、线代、概率论与数理统计基础的同学内容说明：周志华老师的“西瓜书”是机器学习经典入门教材，值得反复阅读，配合“南瓜书”从本科数学基础的视角进行讲解，一起打好基础！

miskirito·2022-11-21 23:49

piukaty·2022-11-21 16:15

贝叶斯网络python代码_贝叶斯网络，看完这篇我终于理解了(附代码)！

1.对概率图模型的理解概率图模型是用图来表示变量概率依赖关系的理论，结合概率论与图论的知识，利用图来表示与模型有关的变量的联合概率分布。由图灵奖获得者Pearl开发出来。

weixin_39914938·2022-11-21 13:34

【数据挖掘】贝叶斯网络理论及Python实现

因为概率图模型是用图来表示变量概率依赖关系的模型，结合概率论与图论的知识，利用图来表示与模型有关的变量的联合概率分布。在处理实际问题时，如果我们希望在

浪荡子爱自由·2022-11-21 12:25

马尔科夫链预测

在概率论里，离散型随机变量的概率分布中，只有几何分布具有无后效性；在连续性随机变量的分布中，只有指数分布具有这种无后效性，这两种分布分别描绘离散等待时间和连续等待时间。2.状态转移设代表

m0_59989429·2022-11-21 09:43

机器学习 --- 朴素贝叶斯分类器

条件概率朴素贝叶斯分类算法是基于贝叶斯定理与特征条件独立假设的分类方法，因此想要了解朴素贝叶斯分类算法背后的算法原理，就不得不用到概率论的一些知识，首当其冲就是条件概率。

小段学长·2022-11-21 06:49

吃瓜笔记：机器学习第三章：线性模型

本章涵盖了线性代数和概率论的基础知识，并讨论了一些经典的线性模型、回归、分类问题（二分类和多重分类）。

irrationality·2022-11-21 02:05

机器学习数学提要

挺不错的博客链接：●《高数上下册》●《概率论与数理统计浙大版》●《数理统计学简史》陈希孺●《矩阵分析与应用》张贤达●《凸优化（ConvexOptimization）》-StphenBoyd&LievenVandenberghe

yuanmengxinglong·2022-11-21 02:01

概率论与数理统计-离散型随机变量基础知识

首先把基础知识梳理一遍（只列出了我认为比较重要的概念与公式），如有遗漏还希望各位指正。一、随机变量在随机实验中，会产生各种结果，比如投硬币试验，我们有可能两种，分别是正面朝上和反面朝上，又比如在投色子试验中，投得的结果有六种可能，它的结果是六个数字，为了便于分析问题，我们需要将投得的结果数字化，即每一个试验结果都用一个数字与其对应。在将随机试验的结果量化后，这些所有的可能的结果构成一个随机变量X，

数学渣渣辉·2022-11-21 01:39

概率论与数理统计-离散型随机变量基础知识（二）

接着上一次的知识点，我们继续总结知识点，上一次在泊松分布相关知识还有一个泊松定理，若二项分布中的n足够大，同时参数p足够小，一般认为小于0.1为足够小，则二项分布可近似看为泊松分布，其参数。若还有其他较为重要的知识点，还希望各位看官能够指正。本次我们主要讨论数学期望与方差以及二位离散型随机变量。首先谈数学期望，数学期望与均值是有区别的，均值的计算方法为总量除个数，即得均值，数学期望的计算过程为，若