ACM_概率论第38页

【概率论与数理统计 & 宋浩】P2事件之间的关系

事件之间的关系引入概念：无限可列个事件间的关系包含⊂相等=并集∪交集∩事件的差互不相容事件对立事件对立与互不相容的区别完备事件组引入概念：无限可列个按某种规律排成一个序列例1：自然数：0，1，2，3，…例2：整数：0，1，-1，2，-2，3，-3，…例3：有理数：p/q，0，1/1，-1/1，1/2，-1/2，…有关小数转换分数方法可看博客：https://blog.csdn.net/weixin

XU Hongduo·2022-05-19 07:54

【概率论与数理统计 & 宋浩】P1事件的基本概念

P1基础概念试验事件基本事件&复合事件必然事件&不可能事件样本空间&样本点事件的表示试验试验观察、测量、实验统称试验随机试验可重复性：在相同条件下可重复不唯一性：结果不唯一无法预测：结果无法预测事件事件做试验时每一种的结果都是一个事件随机事件事件可能发生也可能不发生基本事件&复合事件基本事件概念：相对于实验目的来说，事件不能再分（不必再分）。复合事件概念：由基本事件复合而成，比如：扔色子2-5点，

XU Hongduo·2022-05-19 07:54

深度强化学习极简入门（二）——使用马尔可夫决策过程(MDP)描述强化学习

（参考文献见本系列第一篇博客）希望读者能有以下方面的基础知识：概率论随机过程目录中英文术语对

如莫·2022-05-17 16:49

机器学习实战教程（三）：基于概率论的分类方法——朴素贝叶斯

文章目录一、朴素贝叶斯理论1、贝叶斯决策理论2、条件概率3、全概率公式4、贝叶斯推断5、朴素贝叶斯推断二、示例：言论过滤器三、朴素贝叶斯改进之拉普拉斯平滑四、示例：朴素贝叶斯之过滤垃圾邮件1、收集数据2、准备数据五、总结一、朴素贝叶斯理论朴素贝叶斯算法是有监督的学习算法，解决的是分类问题，如客户是否流失、是否值得投资、信用等级评定等多分类问题。该算法的优点在于简单易懂、学习效率高、在某些领域的分类

华璃·2022-05-17 07:07

机器学习and深度学习-->入坑书单资料整理下载

机器视觉等词汇，也浏览过一些介绍性质的文章，对这些概念有了大概的认知；或许你也会有深入研究的冲动，欢迎入坑，整理一下入坑的准备工作~_~机器学习部分：先列个书单：《机器学习–周志华》可以边看边补数学基础知识：概率论

luoshuaige17·2022-05-13 07:39

学习路线和方向杂想

初步路线一.基础知识1.高等数学，线性代数，概率论，凸优化（高数线代概率已在考研阶段打下一定

黄昏星_3704·2022-05-09 22:36

机器学习入门资源不完全汇总

基本概念机器学习机器学习是近20多年兴起的一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。

jq597·2022-05-09 07:07

基于 Java 机器学习自学笔记（第59天：数值型数据的Naive Bayes算法）

目录一、基础的概率论回顾二、数值型NaiveBayes算法三、代码实现1.准备2.计算\(\mu_{ij}\)与\(\sigma_{ij}\)3.计算\(d(\mathbf{x})\)4.外部执行框架四

LTA_ALBlack·2022-05-09 07:30

机器学习资源

机器学习入门资源不完全汇总基本概念机器学习机器学习是近20多年兴起的一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科

cl_chenlei·2022-05-09 07:17

基于 Java 机器学习自学笔记（第58天：符号型数据的Naive Bayes算法）

目录一、算法概念·概率论回顾-条件概率与贝叶斯公式·基本NaiveBayes推导·基于程序设计的算法调整·Laplacian平滑二、代码的变量确定三、代码实现1.构造函数2.计算\(P^{L}(D_i)

LTA_ALBlack·2022-05-09 07:40

reggieding·2022-05-08 07:28

（改进GM（1，1）模型）灰色残差马尔科夫预测模型的matlab实现

马尔可夫链分析法是一种以概率论和随机过程理论为基础、运用随机数学模型分析客观对象发展变化过程中数量关系的一种统计分析方法。其特点是无后效性，即系统当前所处的状态

是好人的墨叔·2022-05-04 10:32

第一次学习计划（含用pytorch跑通mnist例子）

机器学习：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。

兮教授～。·2022-05-04 07:41

机器学习之朴素贝叶斯（含代码）

文章目录1、概率论知识补充1.1先验概率和后验概率1.2贝叶斯定理2、朴素贝叶斯2.1算法流程2.2拉普拉斯平滑2.3算法示例3、算法实现（python）3.1代码设计3.2算法验证4、参考资料1、概率论知识补充

洛阳山·2022-05-02 07:25

python数据集划分_机器学习和数据集介绍、数据集划分、特征抽取、归一化

机器学习介绍和数据集介绍机器学习：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

weixin_39834328·2022-04-30 07:54

计算机视觉——机器学习

一、概率论 几乎所有的计算机视觉模型可以在概率范围内解释，其形式上较为复杂，但可以阐明复杂模型之间的关系。1.1概率论基础随机变量xxx表示一个不确定的值，其可以是离散的或者连续的。

楠兮兮·2022-04-29 07:12

【计算机视觉】回归模型

看的过程还是很吃力，感觉自己在学机器学习与概率论，在公式中挣扎。本章讲的是机器学习两大问题之一的回归模型，讨论的主要是判别方法，在这些方法中全局状态的分布P(w|x)被直接建模。

Swocky·2022-04-29 07:40

计算机视觉与机器学习之6σ问题

前言本文章基于MATLAB的数字图像处理，结合概率论中的正态分布，可应用于工程实践中工件的筛选，拓展功能有基础的机器学习知识。因为没有工程现场及零件，所以本例的零件用冰糖来替代（哭笑）。

TianYaKe-天涯客·2022-04-29 07:33

zeeq_·2022-04-28 07:33

视觉SLAM十四讲笔记五（第六讲）

我想在介绍非线性优化的内容，有必要补充一下概率论的知识，给出如下链接，供读者自行学习：1、第一篇最大似然估计（了解）2、第二篇，第一篇看完，再看这篇，巩固

9527风先生·2022-04-27 07:41

机器学习实战：朴素贝叶斯和Logistic回归

机器学习实战文章目录机器学习实战一、基于概率论的分类方法：朴素贝叶斯1、朴素贝叶斯概述2、贝叶斯决策理论&条件概率贝叶斯决策理论条件概率使用条件概率来分类3、朴素贝叶斯原理工作原理开发流程算法特点4、朴素贝叶斯项目案例项目案例

RexT1·2022-04-22 07:45

数据科学分布——Beta分布

在概率论中，贝塔分布，也称Β分布，是指一组定义在(0,1)区间的连续概率分布。可以看作一个概率的概率分布，当你不知道一个东西的具体概率是多少时，它可以给出了所有概率出现的可能性大小。#加

啥都鼓捣的小yao·2022-04-22 07:53

机器学习算法-朴素贝叶斯

贝叶斯在数学方面主要研究概率论，他首先将归纳推理法用于概率论基础理论，并创立了贝叶斯统计理论，对统计决策函数、统计推断、统计的估算等做出了卓越的贡献。

AI_BigData_WH·2022-04-22 07:21

机器学习—— 朴素贝叶斯分类器

朴素贝叶斯分类器简述条件概率贝叶斯公式拉普拉斯平滑文本向量化MultinomialNB条件概率在进入朴素贝叶斯分类算法的学习之前，我们需要先了解一些概率论的知识，首先来看看条件概率吧。

熊️兔·2022-04-21 07:27

《机器学习》学习笔记（二）——模型评估与选择

机器学习(MachineLearning)是一门多学科交叉专业，涵盖概率论知识，统计学知识以及复杂算法知识，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

荣仔！最靓的仔！·2022-04-16 07:04

机器学习的概率统计模型（附代码）（二）

它以概率论为基础，研究大量随机现象的统计规律性。描述统计的任务是搜集资料，进行整理、分组，编制次数分配表，绘制次数分配曲线，计算各种特征指标，以描述资料分布的集中趋势、离中趋势和次数分布的偏斜度等。

KUUUD·2022-04-16 07:33

《机器学习》学习笔记（五）——神经网络

机器学习(MachineLearning)是一门多学科交叉专业，涵盖概率论知识，统计学知识以及复杂算法知识，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

荣仔！最靓的仔！·2022-04-12 07:21

2022考研日志

细数留下印象的课程：高数、线代、概率论、复变函数、大学物理、大学化学、生命科学基础、C语言程序设计、数据结构、微机原

沉鱼叶·2022-04-10 20:20

机器学习领域必知必会的12种概率分布（附Python代码实现）

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。

小詹学 Python·2022-04-09 07:55

机器学习的概率统计模型（附代码）

目录系列文章目录一.概率论1.1离散随机变量分布1.2连续随机变量分布二.数理统计基础2.1抽样分布2.2大数定律2.3中心极限定理总结系列文章目录第一章：会思考的机器你造嘛——AI技术第二章：机器学习的概率统计模型

KUUUD·2022-04-09 07:31

人工智能初识

0.1课前准备：需要有linux命令行基础（我的《linux探索之旅》、《鸟哥的私房菜》和慕课网的《linux达人养成计划》）、python和数学基础（线性代数、微积分、概率论）

weixin_30390075·2022-04-06 15:18

大数定律

接上一篇切比雪夫不等式，本篇讨论统计学上一个非常重要的理论，即大数定律，它是概率论的基本理论。

·2022-04-05 17:16

数学笔记

正是因为我很菜，所以这个系列讨论的东西不是很难的数学，都是大学里学过的基础知识，包括概率论与统计学，微积分，线性代数等，我希望以一个重新审视的角度来回顾这些知识，重点是理解它们的本质原理和应用，而不是像大学里学习的时候那样整天推公式刷题

·2022-04-04 21:59

Day1 机器学习(Machine Learning, ML)基础

百度百科给出的机器学习定义：机器学习是多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。

weixin_30369087·2022-04-03 07:03

刘天栋：开源是打破内卷的最好方式

之后被引申到信息论、生物学、控制论、概率论等各个学科，成为其中重要的参考值和变化量。在去年的一次讲演中，刘天栋借用「熵」的概念，阐述了他对开源的理解。

·2022-04-02 11:04

mathmatic engineer

阶段一、人工智能基础－高等数学必知必会本阶段主要从数据分析、概率论和线性代数及矩阵和凸优化这四大块讲解基础，旨在训练大家逻辑能力，分析能力。

aenjon·2022-03-30 07:34

python实现概率论与数理统计_《统计思维：程序员数学之概率统计》读书笔记

weixin_39755712·2022-03-27 07:01

程序员的需要掌握的数学知识

微积分线性代数概率论最优化关于书籍，特别说明一下，除非你是数学知识遗忘的特别厉害了，或者是本科的时候没有学过相关数学知识，或者你对数学有强烈的兴趣，否则不建议大家抱着书去学习，会浪费大家大量的时间和精力

代码点亮人生·2022-03-27 07:16

概率论-基础计算公式

一、均值与方差D(XY)=E{[XY−E(XY)]2}=E{X2Y2−2XYE(XY)+E2(XY)}=E(X2)E(Y2)−2E2(X)E2(Y)+E2(X)E2(Y)=E(X2)E(Y2)−E2(X)E2(Y)\begin{array}{ll}D(XY)&=E\{[XY-E(XY)]^2\}\\&=E\{X^2Y^2-2XYE(XY)+E^2(XY)\}\\&=E(X^2)E(Y^2)-2E^

MadJieJie·2022-03-27 07:45

程序员的数学【概率论】

目录前言一、概率论与机器学习二、随机事件三、条件概率3.1条件概率公式3.2贝叶斯公式四、随机事件独立性五、随机变量5.1离散随机变量5.2连续随机变量5.3概率密度函数概率计算六、数学期望与方差6.1

辰chen·2022-03-27 07:13

机器学习之朴素贝叶斯算法原理与代码实现

转载请注明出处:https://www.cnblogs.com/further-further-further/p/9910417.html算法原理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

weixin_30508309·2022-03-25 07:22

机器学习--朴素贝叶斯分类器（python手动实现）

朴素贝叶斯分类器简介名词介绍公式概率分布数据集及代码实现代码实现定义容器对象循环提取十个桶文件中的数据，分门别类存储计算先验概率，条件概率预测分类测试集验证预测测试十折交叉验证代码汇总总结简介朴素贝叶斯（NaiveBayes）是基于贝叶斯定理和概率论预测样本类别的概率算法

佩亦之·2022-03-25 07:48

机器学习（四）贝叶斯分类器原理及实战系统

前言前面介绍的k-近邻分类器有其自身优点也有不足，今天我们介绍下从另一个角度进行分类的算法，它是基于概率论为基础的分类，接触的机器学习算法多了之后也会体会到机器学习是集数学、概率论、统计学、数据挖掘、数据结构与算法等于一身的综合学科

风o(*￣︶￣*)o筝·2022-03-25 07:45

机器学习贝叶斯分类（理论及代码实现）

具体可以参考概率论与数理统计教材、周志华的西瓜书、李航的统计学习方法。1.1、极大似然估计。直接来例子例：假设袋子里有n个球，n无限大。只有黑球和白球，每次有放回的从袋子随机拿100次球。

神仙罗辑·2022-03-25 07:05

python统计数据画概率曲线_利用Python实现并解释概率图形

QQ图示例概率函数曲线的一些定义为了充分理解概率图的概念，我们可以快速浏览概率论中的一些定义：概率密度函数（PDF），它允许我们计算在属于样本空间的任何区间中找到随机变量的概率。

weixin_39902472·2022-03-24 07:52

高斯过程 Gaussian Processes 原理、可视化及代码实现

作者丨王桂波来源丨https://zhuanlan.zhihu.com/p/75589452编辑丨极市平台高斯过程GaussianProcesses是概率论和数理统计中随机过程的一种，是多元高斯分布的扩展

视学算法·2022-03-23 08:09

【gitHubDailyShare】Google 的研究科学家 Kevin P Murphy的概率机器学习

该书以概率论为基础，并对该领域进行了全面的论述。严谨但易于理解，对于任何有兴趣深入了解机器学习的人来说，它

GitHubDialy·2022-03-22 07:44

学机器学习有必要懂数学吗？深入浅出机器学习与数学的关系附教程

还不是一门数学，最起码的也要包括微积分、线性代数、概率论、统计学，更

喜欢打酱油的老鸟·2022-03-20 07:42

两个卡方分布之和_机器学习算法数学基础之 —— 统计与概率论篇（3）

核心问题发现数字的隐藏规律，完成分类。核心技能最大似然估计给定一个概率分布，已知其概率密度函数（连续分布）或概率质量函数（离散分布）为，以及一个分布参数，我们可以从这个分布中抽出一个具有个值的采样利用计算出其似然函数：若是离散分布，即是在参数为时观测到这一采样的概率。若其是连续分布，则为联合分布的概率密度函数在观测值处的取值。一旦我们获得我们就能求得一个关于的估计。最大似然估计会寻找关于的最可能值

weixin_39684995·2022-03-20 07:39

微积分、线性代数、概率论，超详细的ML数学路线图

深入挖掘一下，你会发现，线性代数、微积分和概率论等都和机器学习背后的算法息息相关。机器学习算法背后的数学知识你了解吗？

我爱计算机视觉·2022-03-20 07:26

推荐频道

ACM_概率论