ACM_概率论

神经网络（一）基本概念

一、概率论基本概念①概率：随机事件发生的可能性大小，介于0-1之间②随机变量：可能发生的事件，称为X③概率分布：一个随机变量X取每种可能值的概率（总和为1）④离散随机变量：伯努利分布：X为事件A出现的次数
ViperL1·2022-08-16 13:02

神经网络与深度学习入门必备知识|概论

神经网络与深度学习绪论人工智能的一个子领域神经网络：一种以（人工）神经元为基本单元的模型深度学习：一类机器学习问题，主要解决贡献度分配问题知识结构学习路线图预备知识线性代数微积分数学优化概率论信息论推荐课程斯坦福大学
孤飞·2022-08-13 13:00

机器学习的数学基础

一、概述我们知道，机器学习的特点就是：以计算机为工具和平台，以数据为研究对象，以学习方法为中心；是概率论、线性代数、数值计算、信息论、最优化理论和计算机科学等多个领域的交叉学科。
被大佬糊弄的只会点灯的小菜鸡·2022-08-07 07:51

一文搞懂均匀分布、高斯分布、瑞利分布、莱斯分布（含MATLAB代码）

目录1.关于均匀分布2、高斯分布（正态分布）3、瑞利分布4、莱斯分布1.关于均匀分布在概率论和统计学中，均匀分布也叫矩形分布，它是对称概率分布，在相同长度间隔的分布概率是等可能的。
蓝胖胖▸·2022-07-29 07:00

朴素贝叶斯算法与应用实例

机器学习在大数据浪潮中逐渐展示她的魅力，其实《概率论》、《微积分》、《线性代数》、《运筹学》、《信息论》等几门课程算是前置课程，当然要转化为工程应用的话，编程技能也是需要的，而作为信息
ssswill·2022-07-22 07:56

【机器学习的数学01】可数集与不可数集

可数集与不可数集本文为基于“《机器学习的数学》-第1章一元函数微积分-1.1极限与连续-1.1.1可数集与不可数集”的学习笔记知识脉络梳理本节的重点在于理解可数与不可数的概念，它们将用于定积分中函数的可积性，以及概率论中的离散型与连续型随机变量等重要概念中
神奇少女祝XiXi·2022-07-21 20:00

机器学习入门-西瓜书总结笔记第七章

朴素贝叶斯分类器四、半朴素贝叶斯分类器五、贝叶斯网（Bayesiannetwork）1.结构2.学习3.推断六、EM算法总结一、贝叶斯决策论贝叶斯决策论（Bayesiandecisiontheory）是在概率论框架下实施决策的基本方法
一入材料深似海·2022-07-21 10:33

研一学机器学习和深度学习，为什么感觉越学越不会，怎么解决呢？

作者：姜子信https://www.zhihu.com/question/371622741/answer/16660440432020年硕士毕业，几年没学数学，高数概率论线性代数全忘了。
woshicver·2022-07-19 16:08

【概率论与数理统计】1.5 独立性

文章目录1.5.1两个事件的独立性1.5.2多个事件的相互独立性1.5.3试验的独立性1.5.1两个事件的独立性  两个事件之间的独立性是指：一个事件的发生不影响另一个事件的发生，比如在掷两颗骰子的试验中，记事件AAA为“第一颗骰子的点数为1”，记事件BBB为“第二颗骰子的点数为4”。则显然AAA与BBB的发生是互相不影响的。  另外，从概率的角度看，事件AAA的条件概率P(A∣B)P(A|B)P
小天才才·2022-07-19 10:40

【概率论与数理统计】1.4 条件概率

文章目录1.4.1条件概率的定义1.4.2乘法公式1.4.3全概率公式1.4.4贝叶斯公式1.4.1条件概率的定义  所谓条件概率，是指在某事件B发生的条件下，另一事件A发生的概率，记为P(A∣B){\rm{P(A|B)}}P(A∣B)，它与P(A){\rm{P(A)}}P(A)是不同的两类概率。设AAA与BBB是样本空间Ω\OmegaΩ中的两事件，若P(B)>0{\rm{P(B)}}\gt0P(
小天才才·2022-07-19 10:09

人工智能数学基础——贝叶斯分析

1.贝叶斯概述经典的概率论对小样本事件并不能进行准确的评估，若想的到相对准确的结论往往需要大量的现场实验；而贝叶斯理论能较好的解决这一问题，利用已有的先验信息，可以得到分析对象准确的后验分布，贝叶斯模型是用参数来描述的
樱花的浪漫·2022-07-18 07:04

机器学习---有监督和无监督

转载前请注明博主的链接地址：Blessy_Zhuhttps://blog.csdn.net/weixin_42555080机器学习：机器学习(MachineLearning,ML)是一门多领域交叉学科，涉及概率论
Blessy_Zhu·2022-07-16 07:38

python3人工智能从入门到实战pdf_Python 3破冰人工智能：从入门到实战(修订版)

版权内容提要前言资源与支持第1章从数学建模到人工智能1.1数学建模1.1.1数学建模与人工智能1.1.2数学建模中的常见问题1.2人工智能下的数学1.2.1统计量1.2.2矩阵概念及运算1.2.3概率论与数理统计
weixin_39581972·2022-07-14 07:00

从入门到精通，计算机er如何快速掌握机器学习（ML）？

写在前面机器学习是一门涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科的多领域交叉学科，在当下各个领域运用十分广泛。
Baoyan_cs·2022-07-13 07:12

《机器学习西瓜书》学习笔记——第七章_贝叶斯分类器_朴素贝叶斯分类器

朴素贝叶斯是经典的机器学习算法之一，也基于概率论的分类算法，属于监督学习的生成模型。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。
九点澡堂子·2022-07-12 07:16

活用西瓜书——sklearn包中的朴素贝叶斯分类器

它采用了概率论中的贝叶斯学派的
berrymusic·2022-07-12 07:25

AI遮天传 ML-回归分析入门

相信大家初高中都学习过求解回归线方程，大学概率论的第九章也有讲，忘记了也不要紧，这里简单回忆一下：线性回归方程为：我们可以先求出x、y的均值：对于系数:对于系数:例：已知x、y之间的一组数据：x0123y1357
老师我作业忘带了·2022-07-07 07:59

卷起来！面对海量培训人员，如何提高持续竞争力

《高等数学》、《线性代数》、《概率论》属于通用基础类。二、专业基础作为计算机专业或者
Java知识图谱·2022-07-05 14:00

六月份组队学习【深入浅出PyTorch】Task02打卡笔记

开源贡献：李嘉骐、牛志康、刘洋、陈安东、陈玉立、刘兴、郭棉昇、乔彬、邝俊伟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：具备高数、线代、概率论基础，有一定的机器学习和深度学习基础，熟悉常见概念
miskirito·2022-07-05 07:11

深度运用LSTM神经网络并与经典时序模型对比

©作者|冯太涛单位|上海理工大学研究方向|概率论与数理统计前言RNN（循环神经网络）是一种节点定向连接成环的人工神经网络。
PaperWeekly·2022-07-05 07:35

MLaPP Chapter 10 Bayes nets 贝叶斯网络

10.1Introduction书里开头就引用了迈克尔·乔丹对图模型的理解，他说处理复杂系统有两个原则，模块性（modularity）个抽象性（abstraction），而概率论（probabilitytheory
张小彬的代码人生·2022-07-01 07:10

Python教程：random库的使用以及程序的异常处理

1.random库的使用：random库是使用随机数的Python标准库从概率论角度来说，随机数是随机产生的数据（比如抛硬币），但时计算机是不可能产生随机值，真正的随机数也是在特定条件下产生的确定值，只不过这些条件我们没有理解
Python 学习者·2022-06-29 07:17

硬啃：《Deep Learning》机器学习基础篇（一）

首先，需要大家有一定的基础知识的学习，其中包含线性代数、概率论与数理统计、简易数值计算等基础知识，这些知识在本科学习中都会有所学习，不清楚的可以简单回顾以下基
CodeByZhou·2022-06-28 07:54

一个老开源人的自述-如何干好开源这件事

同时，早期概率论和人口统计学研究开始出现。这些可以说是有记录以来，最早的对数据可视化的探索。&nb
云智慧AIOps社区·2022-06-27 20:35

100+数据科学面试问题和答案总结 - 机器学习和深度学习

机器学习是一门多学科交叉专业，涵盖概率论知识，统计学知识，近似理论知识和复杂算法知识，使用计算机作为工具并致力于真实实时的模拟人类学习方式，并将现有内容进行知识结构划分来有效提高学习效率。
deephub·2022-06-27 20:37

100+数据科学面试问题和答案总结 - 机器学习和深度学习

机器学习是一门多学科交叉专业，涵盖概率论知识，统计学知识，近似理论知识和复杂算法知识，使用计算机作为工具并致力于真实实时的模拟人类学习方式，并将现有内容进行知识结构划分来有效提高学习效率。
·2022-06-27 10:57

Python实现概率论（1）

1.随机现象与概率（1）随机现象：在一定条件下,并不总是出现相同结果的现象，即事件结果不固定·。（2）随机试验：可重复的随机现象，简称实验（3）样本点：随机现象可能发生的基本结果（4）样本空间：所有样本点的全体，常用Ω={ω}表示，ω为样本点（5）随机事件：随机现象的某些基本结果组成的集合称为随机事件，简称事件,常用大写字母A,B,C等表示（6）事件间的关系：事件的包含关系：设在同一个试验里有两个
yesterday_day·2022-06-27 10:02

python实现概率论（2）

一.常见的连续型随机变量及其密度函数（1）均匀分布：一般地，在有限区间[a,b]上为常数,在此区间外为零的密度函数p(x)都称为均匀分布,并记为U(a,b)密度函数：分布函数：均匀分布是最简单的，也是最常见的分布.#【0，1】上的均匀分布a=float(0)b=float(1)x=np.linspace(a,b)y=np.full(shape=len(x),fill_value=1/(b-a))#
yesterday_day·2022-06-27 10:02

python实现概率论与数理统计_【概率论与数理统计】小结3 - 一维离散型随机变量及其Python实现...

对于概率论与数理统计方面的计算及可视化，主要的Python包有scipy,numpy和matplotlib等。
weixin_39893205·2022-06-27 10:01

【概率论与数理统计】python实验

实验一抛硬币试验的模拟利用python产生一系列0和1的随机数，模拟抛硬币试验。验证抛一枚质地均匀的硬币，正面向上的频率的稳定值为0.5。实验步骤（1）生成0和1的随机数序列，将其放入列表count中；也可用函数表示。（2）统计0和1出现的次数，将其放入a中。a[0],a[1]分别表示0和1出现的次数。（3）画图展示每次实验正面向上出现的频率importmatplotlib.pyplotasplt
Lydia.na·2022-06-27 10:01

python实现概率论与数理统计_【总目录】——概率论与数理统计及Python实现

注：这是一个横跨数年的任务，标题也可以叫做“从ToDoList上划掉学习统计学”。在几年前为p值而苦恼的时候，还不知道Python是什么；后来接触过Python，就喜欢上了这门语言。统计作为数据科学的基础，想要从事这方面的工作，这始终是一个绕不过去的槛。其实从中学就开始学习统计学了，最早的写"正"字唱票(相当于寻找众数)，就是一种统计分析的过程。还有画直方图，求平均值，找中位数等。自己在学校里并没
weixin_39662432·2022-06-27 10:01

数理统计与概率论及Python实现——随机变量

公众号后台回复“图书“，了解更多号主新书内容作者：yzq来源：数据社随机变量在几乎所有的教材中，介绍概率论时都是从事件和样本空间说起的，但是后面的概率论都是围绕着随机变量展开的。
IT农民工1·2022-06-27 10:01

python实践数学基础——线性代数，概率论与数理统计，基本库的使用（jupyter notebook）

（未完待续,内容持续更新中）一.线性代数线性代数01——概述线性代数02——特征值分解以及SVD在图像压缩中的应用二.概率论与数理统计0.scipy.stats里的统计量与分布简介(博客)三.基本库的使用
我是lk·2022-06-27 10:31

[概率论与数理统计&Python实现]简明教程

一、随机试验的概念：分3条(1)一次试验结果的随机性——进行一次试验之前无法确定哪一个结果会出现。(2)全体测试结果的可知性——每次试验的可能结果不止一个，并且能事先明确试验的所有可能结果。(3)可重复性——可以在同一条件下重复进行试验。什么是事件？随机事件是在随机试验中,可能出现也可能不出现,而在大量重复试验中具有某种规律性的事件叫做随机事件(简称事件)。二、样本空间：即包含所有基本事件的集合。
BEconfidence·2022-06-27 10:00

python数学基础之概率论与数理统计

文章目录1.概率论基础1.1概率公式1.2贝叶斯公式1.3分布2.统计量2.1期望2.2方差2.2协方差2.2相关系数3.大数定理4.中心极限定理5.最大似然估计5.1过拟合1.概率论基础1.1概率公式
小白逆袭记·2022-06-27 10:00

matlab概率论与数理统计分析,MATLAB在概率论与数理统计课程中的案例设计

卷第1期西南林业大学学报(社会科学)Vol．2No．12018年2月JOUＲNALOFSOUTHWESTFOＲESTＲYUNIVEＲSITY(SocialSciences)Feb．2018MATLAB在概率论与数理统计课程中的案例设计杨冠
weixin_39654058·2022-06-25 07:23

一个老开源人的自述-如何干好开源这件事

同时，早期概率论和人口统计学研究开始出现。这些可以说是有记录以来，最早的对数据可视化的探索。时间来到2022年
·2022-06-20 14:02

机器学习相关笔记__数学知识扩展(内容杂且多，部分总结较浅)

数学知识扩展期望和方差期望在概率论和统计学中，数学期望(mean)（或均值，亦简称期望）是试验中每次可能结果的概率乘以其结果的总和，是最基本的数学特征之一。它反映随机变量平均取值的大小。
junwzm·2022-06-14 10:00

机器学习中常用的数学及概率统计中的一些概念

文章目录一、高等数学1.偏导2.梯度二、线性代数三.概率论1.联合概率2.条件概率四.数理统计五.统计学习方法六、数值分析该博客主要整理一下在机器学习中会用到的数学相关的知识概念。
foda-dingzhibing·2022-06-12 07:02

均值与期望：傻傻分不清？

作者：一人文章大纲众多原因造成平均值与期望的混淆学习与应用过程当中对于二者“不加区分”二者联系十分紧密语言文化的影响区分平均值和期望明确平均值的研究范畴-数理统计明确期望的研究范畴-概率论大数定理的应用与局限学习建议前些日子偶然间听到一位新同事问一位做算法的同事
shiter·2022-06-10 10:58

判断&数学&生活

作者：黄永刚初次接触《概率论与数理统计》这门课的时候，脑袋中只有三个词：黑球、白球、袋子，所有的课程内容就是先取,后取，接触一月之后成功的被放趴下了，因此对于这门课程是没有什么好感的，考试也在“互助互爱
shiter·2022-06-10 10:58

python机器学习Logistic回归原理推导

目录前言Logistic回归原理与推导sigmoid函数目标函数梯度上升法Logistic回归实践数据情况训练算法算法优缺点前言Logistic回归涉及到高等数学，线性代数，概率论，优化问题。
·2022-06-09 12:45

机器学习——朴素贝叶斯算法

概率论相关知识点条件概率：A,B为两个事件，且P(A)>0P(A)\gt0P(A)>0，称P(B∣A)=P(AB)P(A)P(B|A)=\frac{P(AB)}{P(A)}P(B∣A)=P(A)P(AB
颜妮儿·2022-06-09 07:08

机器学习系列(16)_朴素贝叶斯算法

注：机器学习之分类期末会有一道贝叶斯的计算的题目文章目录一、朴素贝叶斯1、概率论贝叶斯2、朴素贝叶斯GaussianNB实例3、约会实例二、朴素贝叶斯实现步骤三、朴素贝叶斯对IRIS进行分类一、朴素贝叶斯朴素贝叶斯是一种直接衡量标签和特征之间的概率关系的有监督算法
温欣'·2022-06-02 07:24

深度学习笔记：主成分分析（PCA）（1）——标准化、协方差、相关系数和协方差矩阵

1.概率论中的标准化、协方差、相关系数和协方差矩阵概念1.1随机变量的部分数字特征  假设有二维随机向量(X,Y)数字特征意义描述E(X)数学期望反映X的平均值D(X)方差反映X
aaronwu2·2022-05-25 07:16

2022-05-25 - 草稿

课本，特征值二次型，随机变量，概率论，多元随机变量，曲面积分，级数，多元导数。408数据，链表，存储，进程，ipv4，单词，这些最基本的概念的理解。录个小视频对于最基本概念的理解。以及部分真题。
刷刷三十三·2022-05-25 06:33

《好好学习》领读Day18：复利效应

今天我们一起共读《好好学习》第四章第一节：复利效应前面的章节都是从整体视角和底层的原理上分析临界知识，这一章将介绍一些核心的临界知识及其应用，包括复利效应、概率论、黄金思维圈、进化论、系统思考、二八法则
晨星如希·2022-05-22 23:58

随机变量的数字特征——《概率论及其数理统计》第四章学习笔记

随机变量的数字特征——《概率论及其数理统计》第四章学习笔记文章目录随机变量的数字特征——《概率论及其数理统计》第四章学习笔记前言MindMap数学期望定义离散型连续型函数期望的两个定理性质方差定义离散型连续型
物联黄同学·2022-05-22 07:17

(二)总体上慨要理解统计__第二部分：经典统计

  经典统计包括概率论和数理统计两个部分。
tiger007lw·2022-05-21 16:57

ACM_蛋糕小王子铁头娃

ProblemDescription:铁头娃制作了很多蛋糕，想分给他的小伙伴们，他的小伙伴很喜欢铁头娃做的蛋糕，每个人都想分到最多蛋糕铁头娃想到了一个头铁主意：先给小伙伴们从1到N编号，在1-N区间随机选择一个数字K，每个编号取余K等于0的小伙伴会分到一个蛋糕，重复多次，分蛋糕的过程有时铁头娃想皮一下，就会随机选择一个编号D的小伙伴，问他分到了多少块蛋糕。Input:输入数据有多组，每一组第一行包
weixin_30610755·2022-05-20 12:19
上一页 33 34 35 36 37 38 39 40 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他