正态分布

模式识别与机器学习课程笔记（1）：数学基础

模式识别与机器学习课程笔记（1）：数学基础特征矢量和特征空间随机矢量的描述随机矢量的分布函数随机矢量的数字特征随机变量、随机矢量间的统计关系随机矢量的变换正态分布正态分布的定义正态分布随机矢量的性质离散随机矢量及其分布信息论矩阵微分法基本知识矢量或矩阵对于数量变量的微分二
Ro Jace·2025-07-21 15:32

离散型以及连续型随机变量

正态分布的中心极限定理具体是什么，以及它在哪些情况下适
·2025-07-20 21:09

（一）OpenCV——噪声去除（降噪）

高斯滤波器（针对高斯噪声）高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。常见的高斯噪声包括起伏噪声、宇宙噪声、热噪声和散粒噪声等等。
·2025-07-12 06:11

Z-score异常值检测法

一、原理Z-score异常值检测法的原理是基于标准正态分布。它通过计算每个数据点与数据集平均值的差距，并将其转换为标准差的倍数，以此来评估数据点的异常程度。
吴闹闹(●'◡'●)·2025-07-10 03:31

NumPy-随机数生成详解

NumPy-随机数生成详解一、随机数生成的基础：伪随机数与种子1.伪随机数的本质2.种子的设置：确保结果可复现二、常用随机数生成函数1.均匀分布随机数2.正态分布随机数3.整数随机数4.其他常用分布三、
GG不是gg·2025-07-08 23:29

医咖会免费STATA教程学习笔记——单因素方差分析

单因素方差分析和单因素回归分析相同1.单因素方差分析需要满足的假设：（1）因变量为连续变量（2）至少有一个分类变量（大于等于2类）（3）观测值相互独立（4）没有异常值（5）服从正态分布（6）方差齐性2.
Unacandoit·2025-07-07 16:49

torch.nn.init.kaiming_normal_

PytorchKaiming初始化（Initialization）中fan_in和fan_out的区别/应用场景_bxdzyhx的博客-CSDN博客torch.nn.init.kaiming_normal_使用正态分布对输入张量进行赋值
·2025-07-07 10:40

LL面试题11

它将线性回归模型推广到更广泛的数据分布，可以处理非正态分布的响应变量，如二项分布（逻辑回归）、泊松分布和伽玛分布等。GLM结合线性模型和非线性函数，通过最大似然估计或广义最小二乘估计来拟合模型参数。
三月七꧁ ꧂·2025-07-05 16:28

学习笔记(28):随机噪声的原理、作用及代码实现详解

在机器学习中，随机噪声是指数据中无法用特征解释的随机波动，通常符合某种概率分布（如正态分布）。
宁儿数据安全·2025-07-03 17:14

两个点 定位_基于双天线的北斗定位系统设计与实现

前期实际北斗模块定位误差统计分析中得出了北斗模块的定位误差分布服从正态分布，根据北斗模块定位误差分布的规律，利用在同一块电路板上的双天线模块接收北斗定位信号，将定位信息传给TMS320F28335DSP
weixin_39697096·2025-07-03 13:16

day48

ai举例子通俗易懂理解@浙大疏锦行下面用例子帮你理解这几个知识点：1.随机张量的生成：torch.randn函数torch.randn会生成符合标准正态分布（均值为0，标准差为1）的随机数张量，形状由输入的参数决定
m0_62568655·2025-07-02 18:19

OpenCV图像噪点消除五大滤波方法

一、图像噪点与滤波基础1.1常见图像噪声类型高斯噪声：符合正态分布的随机噪声椒盐噪声：随机出现的黑白像素点泊松噪声：光子计数噪声量化噪声：模拟信号数字化过程中产生1.2滤波方法分类滤波类型特点
慕婉0307·2025-06-29 18:41

随机过程chap1基本概念

思维导图（受伤了，一整张的太大塞不上来）重点知识辨析一维概率密度求解指路例题5、例题6两道例题给出了求解概率密度的两种思路：显式分布直接套原概率密度公式求解（如正态分布）隐式分布先求分布函数再进行求导得概率密度函数
八点叫什么·2025-06-29 05:35

30天pytorch从入门到熟练（day1）

整体路径分为以下核心阶段：模型初步构建：以最简单的线性模型y=Ax+B为起点，快速搭建数据流通路；数据生成机制设计：构建基于正态分布的可控数据生成器，逐步增加数据复杂度；模型复杂度提升：在逐步提高神经网络深度与宽度的同时
·2025-06-23 22:53

Day48打卡 @浙大疏锦行

知识点回顾：随机张量的生成：torch.randn函数在PyTorch中，torch.randn()是一个常用的随机张量生成函数，它可以创建一个由标准正态分布（均值为0，标准差为1）随机数填充的张量。
ayuan0119·2025-06-20 13:32

大数定律与中心极限定理：概率论的双子星

目录引言5大数定律与中心极限定理5.1大数定律：频率的稳定性5.1.1辛钦大数定律定理内容5.1.2伯努利大数定律定理内容5.1.3切比雪夫大数定律定理内容对比总结表5.2中心极限定理：正态分布的普适性
Algo-hx·2025-06-18 00:56

高斯混合模型（Gaussian Mixture Model, GMM）

高斯混合模型（GaussianMixtureModel,GMM）是一种概率模型，用于表示数据分布是由多个高斯分布（正态分布）的加权组合构成的。
爱看烟花的码农·2025-06-17 09:16

6.11打卡

pytorch的广播机制：加法和乘法的广播机制ps：numpy运算也有类似的广播机制，基本一致作业：自己多借助ai举几个例子帮助自己理解即可importtorch#生成一个2x3的随机张量，元素来自标准正态分布
tt卡丁车·2025-06-16 21:19

python打卡day48

torch.randn函数卷积和池化的计算公式（可以不掌握，会自动计算的）pytorch的广播机制：加法和乘法的广播机制ps：numpy运算也有类似的广播机制，基本一致一、随机张量生成#生成3x224x224的正态分布随机张量
ZHPEN1·2025-06-16 17:27

【概率论】正态分布的由来——从大一同学的视角出发

数学系大佬勿喷，本文以非数同学的视角出发0.启发与思考正态分布平时常常遇到，无论是在概率论中的“中心极限定理”，还是平时在学习ML中遇到的“高斯混合模型”，或者是在深度学习中，常常将一些数据假设为正态分布的情况
应有光·2025-06-16 01:09

随机变量及其分布：概率论的量化核心

**各分布之间的关系**2.3分布函数(CDF)：统一描述工具定义性质离散型应用2.4连续型随机变量：概率密度函数(PDF)定义性质经典分布均匀分布指数分布正态分布2.5随机变量函数的分布问题：已知XXX
Algo-hx·2025-06-15 01:01

样本与抽样分布：统计推断的基石

6.2统计量：样本的数学摘要定义常用统计量重要性质证明：E(S2)=σ2E(S^2)=\sigma^2E(S2)=σ26.3三大抽样分布：统计推断的支柱6.3.1χ2\chi^2χ2分布：多个独立标准正态分布变量的平方和定义性质
Algo-hx·2025-06-15 00:21

Qt工作总结05 ＜QPainter 绘制正态分布曲线＞

定义正态分布函数：使用正态分布的概率密度函数（PDF）来计算每个点的值。绘制曲线：使用Qt的绘图功能（如QPainter）来绘制曲线。2、例子2.1.代码数据准备：data是绘制正态分布曲线的数据集。
Kilicc_·2025-06-12 23:42

深度学习基础知识总结

1.BatchNorm2d加速收敛：BatchNormalization可以使每层的输入保持较稳定的分布（接近标准正态分布），减少梯度更新时的震荡问题，从而加快模型训练速度。
·2025-06-12 21:58

python第48天打卡

pytorch的广播机制：加法和乘法的广播机制ps：numpy运算也有类似的广播机制，基本一致作业：自己多借助ai举几个例子帮助自己理解即可1.随机张量生成：torch.randnimporttorch#生成标准正态分布的随机张量
zdy1263574688·2025-06-11 21:43

入门机器学习需要的统计基础

课程内容覆盖了：概率基础（事件、独立性、条件概率）各类分布（正态分布、二项分布）统计量（均值、方差、中位数
·2025-06-11 13:50

从0开始学习R语言--Day20--Wilcoxon秩和检验

Wilcoxon秩和检验当数据不满足正态分布时，我们常常会苦恼于如何处理数据。
Chef_Chen·2025-06-11 01:22

从0开始学习R语言--Day19--连续变量的相关性检验

Pearson一般来说，person适用于两个变量之间满足线性的单调关系，像我们常说的单调递增或单调递减，且我们的变量是连续且正态分布的。
Chef_Chen·2025-06-11 01:52

Python统计学实例之正态分布：计算男女身高相差＞5厘米的概率

正态分布计算：示例1正态分布计算实例：计算男女身高相差>5厘米的概率解题思路用到的公式总结：正态分布计算实例：计算男女身高相差>5厘米的概率假设男生身高X~N(71,20.25)，女生身高Y~N(64,16
xupeggy163·2025-06-10 02:08

DAY48

随机张量的生成在PyTorch中，torch.randn()是一个常用的随机张量生成函数，它可以创建一个由标准正态分布（均值为0，标准差为1）随机数填充的张量。
·2025-06-09 13:09

基于Matlab实现LDA算法

LDA假设样本服从多变量正态分布，并且各类别的协方差矩阵相同。通过解决特定的优化问题，我们可以找到最优的投影向量。二
Matlab仿真实验室·2025-06-05 19:47

论文阅读笔记——FLOW MATCHING FOR GENERATIVE MODELING

FlowMatching论文扩散模型：根据中心极限定理，对原始图像不断加高斯噪声，最终将原始信号破坏为近似的标准正态分布。这其中每一步都构造为条件高斯分布，形成离散的马尔科夫链。
寻丶幽风·2025-05-31 09:05

【课堂笔记】EM算法

极大似然估计  先复习一下极大似然函数估计，我们假设数据满足某个分布（例如正态分布N(μ,
zyq~·2025-05-31 06:15

折线图标注显著性差异分析_「SPSS数据分析」SPSS非参数假设检验(3)单样本K-S检验...

其中可检验分布类别有正态分布、平均分布、泊松分布、指数分布等。通常用到最多的就是检验是否服从正常性分布。下面，我们通过实际案例来详细讲解单样本K-S检验数据是否符合正态分布。
冯爽妹·2025-05-29 23:26

spearman相关性分析

对了，Spearman是基于秩次的非参数方法，而Pearson是参数方法，要求数据正态分布。所以用户可能是在处理不符合正态分布的数据，或者想知道什么时候用Spearman。
一只土卜皿·2025-05-28 19:39

参数/非参数检验和连续/离散/分类等变量类型的关系

参数变量可以是连续型变量，也可以是离散型变量，只要它们遵循某种特定的分布（如正态分布、二项分布、泊松分布等）。参数变量的类型：连续型参数变量：这些变量可以在某个区间内取任意值，如身高、体重、温度等。
一只土卜皿·2025-05-28 19:36

参数/非参数检验和连续/离散/分类等变量类型的关系

参数检验通常假设数据服从特定分布，比如正态分布，而非参数检验则不依赖这种假设。变量类型包括连续、离散和分类，分类变量又可以分有序和无序。接下来，用户可能想知道在不同变量类型下应该选择哪种检验方法。
一只土卜皿·2025-05-28 19:36

学习大模型路线图：从菜鸟到造物主的通关秘籍

第一关：筑基期——数学与代码的“扎马步”目标：用30天打造AI思维的基础骨骼核心装备：-数学三件套：-线性代数：矩阵是AI的乐高积木（重点：矩阵乘法、特征值）-概率统计：让AI学会“赌概率”（贝叶斯定理、正态分布
天学林总·2025-05-25 19:18

【R语言科研编程-散点图】

以下是用R语言生成两组随机分布数据并绘制散点图的代码示例：生成两组随机数据#设置随机种子保证可重复性set.seed(123)#生成第一组随机数据（正态分布）group1_x<-rnorm(100,mean
南瓜胖胖·2025-05-25 13:41

【异常检测】极值理论（EVT）比正态分布好在哪？

正文：极值理论（EVT）与正态分布计算概率的核心区别在于：EVT专注于建模极端值（尾部事件）的分布特性，而正态分布更适合描述“典型”数据的集中趋势。
TIM老师·2025-05-23 14:21

5.数据统计分析及可视化

5.数据的统计分析及可视化文章目录5.数据的统计分析及可视化第6章数据的统计分析及可视化6.1随机变量及其分布6.1.1均匀分布及随机数图6.1.1.1均匀分布6.1.1.2均匀随机数6.1.2正态分布及随机数图
我是姜承錄·2025-05-23 10:52

极大似然估计与机器学习

后知后觉的才意识到极大似然估计就是机器学习有效的数学保证下面以拟合线性分布的最小二乘与分类问题为例推到以下如何从似然函数推导出MSE损失与交叉熵损失一、线性回归的最小二乘法1.概率模型设定假设数据由线性模型生成，且观测噪声服从正态分布
xsddys·2025-05-22 09:46

广义线性模型——Logistic回归模型（1）

另外，你可放松Y为正态分布的假设，改为Y服从指数分布族中的一种分布即可。设定好连接函数和概率分布后，便可以通过最大似然估计的多次迭代推导出各参数值。
吹哨子的喇叭花·2025-05-21 20:47

t检验详解：原理、类型与应用指南

t检验详解：原理、类型与应用指南t检验（t-test）是一种用于比较两组数据均值是否存在显著差异的统计方法，适用于数据近似正态分布且满足方差齐性的场景。
思考的味道·2025-05-21 09:33

【高斯拟合】不用库手写高斯拟合算法：从最小二乘到拟合参数推导

高斯分布（正态分布）是科学计算和机器学习中最常见的函数之一，拟合一组数据为高斯曲线在信号处理、统计建模、图像处理中都有广泛应用。市面上很多工具包（如NumPy、SciPy）都可以快速进行高斯拟合。
白码思·2025-05-16 14:04

建立多项式朴素贝叶斯模型实战指南

），多项式朴素贝叶斯（MultinomialNB）是最优选择：适用场景：处理离散型特征（如词频、TF-IDF值）核心优势：直接利用整数型词频特征，无需假设数据分布对比区别：高斯朴素贝叶斯：假设特征符合正态分布
万能小贤哥·2025-05-14 12:48

DeepSeek基于注意力模型的可控图像生成

DeepSeek大模型高性能核心技术与多模态融合开发-商品搜索-京东图像的加噪与模型训练在扩散模型的训练过程中，首先需要对输入的信号进行加噪处理，经典的加噪过程是在图像进行向量化处理后在其中添加正态分布
夏天又到了·2025-05-13 18:20

【神经网络与深度学习】VAE 中的先验分布指的是什么

通常情况下，VAE设定潜在变量服从标准正态分布(N(0,I))，其中(0)代表均值为零的向量，(I)为单位协方差矩阵。
如果树上有叶子·2025-05-11 19:36

正态分布习题集 · 题目篇

正态分布习题集·题目篇全面覆盖单变量正态、多变量正态、参数估计、假设检验、变换以及应用，共20题，从基础到进阶。完成后请移步《答案与解析篇》。
aichitang2024·2025-05-06 17:10

正态分布全景解析：理论、推导与应用

正态分布全景解析：理论、推导与应用目录引言正态分布的定义密度函数的推导与归一化证明标准化与线性变换性质数字特征：期望、方差、矩母函数经典性质与68-95-99.7法则中心极限定理（CLT）概览与其他分布的关系思维导图练习与思考
aichitang2024·2025-05-06 17:09
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他