ACM_概率论

概率论中基本概念回顾

概率论和统计学恰好是两个相反的概念，统计学是抽取部分样本进行统计来估算总体的情况，而概率论是通过总体情况来估计单个事件或者部分事情的发生情况。
moxigandashu·2020-08-17 13:36

概率论复习笔记（一）随机事件及其概率

概率论复习笔记（一）随机事件及其概率基本概念随机试验样本空间随机事件事件分类事件及其运算关系运算规律频率与概率概率的统计定义概率的公理化定义概率的性质等可能概型（古典概型)古典概型：常用排列与组合的公式几何概型条件概率定义性质乘法公式全概率公式贝叶斯公式
让步如故·2020-08-17 13:36

概率论的定义(一)

下午去听了由学校和一些大数据企业联合组织的「大数据分析与算法培训班」课，首先讲的就是概率论，整个过程基本就是老师帮我们把以前关于概率论遗忘的知识串起来，所以晚上趁热打铁，把今天的内容知识小结一下。
真不会修电脑·2020-08-17 13:57

概率论学习

概率论中几个概念的学习注明：博文来自于：产品经理马忠信已关注3.72017.10.1115:29*字数2609阅读160513评论29喜欢215赞赏11今天我就讲讲应该如何理解概率分布函数和概率密度函数的问题
lvshenzhen·2020-08-17 13:47

概率论基本概念

1、随机试验T：同条件可重复进行，结果预知但不能确定。2、基本事件（样本点）：随机试验的每一个可能结果，其集合（所有结果）构成样本空间。3、随机事件A：随机试验中，对一次试验而言，可能出现或者不出现的事情。为基本事件的集合，样本空间的子集。4、概率：随机事件出现可能性大小的数值。5、古典概型：结果有限，机会均等。6、古典概型中，事件A的概率P（A）=事件A包含的基本事件数/基本事件总数，表示A出现
lijil168·2020-08-17 13:31

Machine Learning——A Probabilistic Approach学习笔记 第二章 概率

第二章概率(Probability)2.1引言(Introduction)在这一章，我们将会讲述关于概率论的更多细节。我们不会太过深入，但是我们至少会简要的了解一下我们在接下来的章节中所要涉及的思想。
ldc1513·2020-08-17 13:17

第一章 概率论的基本概念

概率论与数理统计的学习内容来源于中国大学MOOC，以及参考书籍《概率论与数理统计》第四版，浙江大学。随机现象在一定条件下，有可能出现多种结果；而且在事情发生前不能知道结果。
makeadate·2020-08-17 12:57

机器学习入门--唤起你的数学记忆

一、概率论与统计学什么是中心极限定理？
qq_1191691379·2020-08-17 12:15

Deep Q Network 算法

DeepQNetwork算法前置基础知识：ReinforcementLearning基本概念QLeaning算法原理深度学习神经网络知识Tensorflow、Pytorch、Python概率论与数量统计
段智华·2020-08-17 12:59

高等概率论的一些学习心得兼推荐一些相关书籍 zz

有人认为Feller的概率论及其应用是经典，我买了两本中译本，对我来说帮助不大。看了程士宏的测度论与概率论基础，反而有所收获。
althinking·2020-08-17 11:13

机器学习数学基础总结（不断更新）

一、高数1.1二、线代2.1三、概率论3.1独立同分布iid独立同分布independentandidenticallydistributed(i.i.d.)在西瓜书中解释是：输入空间中的所有样本服从一个隐含未知的分布
敲代码的乔帮主·2020-08-17 11:03

《高等统计物理学》2：经典系综

知乎链接：《高等统计物理学》2：经典系综对系综思想的理解，读者们有兴趣可以参见我之前写的《高等统计物理学》1:领悟系综一.从概率论视角推导正则系综和巨正则系综的概率表达式和熵公式第一节课老师就带着我们肝概率论和随机过程
DENG YUE·2020-08-17 11:52

《第6讲 非线性优化 》读书笔记

本节知识脉络对状态估计问题，通过概率论中贝叶斯公式，求解后验概率等价于求解最大似然函数。求解最大似然函数等价于其最小化负对数的求解。通过公式推导，引出最小二乘。
醉卧疆场·2020-08-17 11:29

概率论重点

1.古典概型样本空间有限个基本事件，基本事件等可能发生P(A)=A包含基本事件数S所有基本事件数P(A)=\frac{A包含基本事件数}{S所有基本事件数}P(A)=S所有基本事件数A包含基本事件数2.条件概率A发生条件下B发生的概率P(B∣A)=P(AB)P(A)P(B\midA)=\frac{P(AB)}{P(A)}P(B∣A)=P(A)P(AB)3.乘法定理\begin{equation}P
ifenghao·2020-08-17 11:00

概率论基本概念一

一、联合概率定义：表示两个事件共同发生的概率，事件A和事件B的共同概率记作P(AB),P(A,B),P(AB)二、条件概率定义：事件A在另外一个事件B已经发生的条件下的发生概率，表示为P(A|B)。读作“在B条件下A发生的概率”。三、全概率公式（结果概率公式）样本空间Ω有一组事件A1A2……An，如果事件组满足ij{1,2,3,4....n},AiAj=并且A1A2....An=Ω，那么事件组称为
yangjiajia123456·2020-08-17 11:19

【数学基础】一份非常适合人工智能学习的概率论基础材料中文版 （国内教材精华）...

机器学习，需要一定的数学基础，需要掌握的数学基础知识特别多，如果从头到尾开始学，估计大部分人来不及，我建议先学习最基础的数学知识，基础知识可以分为高等数学、线性代数、概率论与数理统计三部分，我整理了相关数学基础资料
风度78·2020-08-17 11:00

《统计学习方法》学习笔记

可惜本人自幼愚钝，资质欠佳，以前学的概率论与数理统计的知识都忘得差不多了，看得云里雾里的，前面还好，越到后面越看不明白，遇到不懂的就上网查资料、翻书。好歹囫囵吞枣的全部看完了，也是收获颇丰。
ArthurYang·2020-08-17 10:46

研究生概率论和本科概率论的区别

刚才在Proakis书上看见一个词叫做“support”：thesupportofx(t)istheinterval[-t/2,T/2]，俺猜是定义域的意思，于是一查。。。基本还是对了。而且——看到挺好一篇文章，于是转载之。想当年考概率的时候，花了一大半时间看测度，最后考试了测度的题目一分也没有出。我很郁闷。另外，中译的support基本上就是“支撑”：紧支撑即CompactSupport。研究生
henhen2002·2020-08-17 10:18

概率论

随机试验在相同的条件下重复进行。试验的全部结果提前知道不能预言出现的结果事件随机试验的可能结果。必然事件不可能事件基本事件：最小的单位事件。(抛硬币，正反)复合事件：若干个基本事件的组合。样本空间：{样本点}，每个样本点对应基本事件。样本点：无限多或有限多->样本空间：有限或者无限。Venn图(文氏图)A∩B=ABA∩B=AB对立事件或逆事件：A∩B=∅,A∪B=1A∩B=∅,A∪B=1也可以记为
_zidaoziyan·2020-08-17 10:24

概率论--点估计

首先我们来看下什么是参数估计那么参数估计问题又是什么？参数估计分为两大类，一类是点估计，还有一类是区间估计，点估计分为矩估计和最大似然估计，就比如说估计降雨量，预计今天的降雨量如果是550mm就是点估计，如果是500-600mm就是区间估计点估计的主要任务就是去寻求位置参数的点估计量或者说是点估计值，我们可以通过矩估计和最大似然估计法来求下面再简单看下矩估计法我们可以用样本矩估计总体矩，用样本矩函
rv0p111·2020-08-17 10:23

大学概率论终极复习攻略

概率论在几何概型中：取单个点的概率为0，但是是有可能取到的，所以概率为0不是不可能事件。不取这个点的概率为1，但是是有可能取到的，所以概率为1不是必然事件。
那年十三月·2020-08-17 10:14

Xiang Li

【入门必备数学知识】高等数学线性代数行列式矩阵向量线性方程组矩阵的特征值和特征向量二次型概率论和数理统计随机事件和概率随机变量及其概率分布多维随机变量及其分布随机变量的数字特征数理统计的基
Li xiang007·2020-08-17 10:52

通俗易懂的贝叶斯定理

概率论与数理统计，在生活中实在是太有用了，但由于大学课堂理解不够深入，不能很好地将这些理论具象化并应用到实际生活中，感到实在是太遗憾了，所以重新学习并用小白式的通俗易懂的语言来解释记录，以此来加深理解应用
理会拾光·2020-08-17 09:09

统计机器学习导论第六章读书笔记

前五章内容主要是一些基础的概率论入门知识，所以从第六章开始写。 
填2·2020-08-17 02:14

ACM_搜索:杭电oj2717:Catch That Cow

题目传送门:http://acm.hdu.edu.cn/showproblem.php?pid=2717题目大意:给定两个x轴方向上的位置,农民有三种方式,用bfs找到最短路径即可.AC代码:#include#include#include#include#include#include#include#include#includeusingnamespacestd;#defineSize100
闭上左眼看世界·2020-08-17 02:31

朴素贝叶斯模型(Naive Bayes Model，NB)理解

)P(B);P(A,B)=P(B|A)P(A);P(A|B)=P(B|A)P(A)/P(B);贝叶斯定理变形2.概率图模型2.1定义概率图模型是一类用图的形式表示随机变量之间条件依赖关系的概率模型，是概率论与图论的结合
qianwenhong·2020-08-17 01:42

统计学基础（一）：中位数、方差、标准差、均方误差、估计量、高斯函数、正态分布...

二、方差参考百科：方差1）定义方差（variance)：是在概率论和统计方差衡量随机变量或一组数据时离散程度的度量2）应用1、在统计描述中方差用来计算每一个变量（观察值）与总体均数之间的差异在许多实际问题中
ab1213456·2020-08-17 00:06

浅尝则止 - SciPy科学计算

本章适合那些有较好高等数学、线性代数、概率论基础的工科学生或从业者阅读。其他读者可以跳过，不影响后续章节。为减轻“数学恐惧症”患者的恐惧，作者尽量选择相对容易的“数学”案例来进行解读。
饼干叔叔@海洋·2020-08-16 23:17

算法工程师的数学基础｜微积分之积分相关介绍

【算法工程师的数学基础】系列将会从线性代数、微积分、数值优化、概率论、信息论五个方面进行介绍，感兴趣的欢迎关注【搜索与推荐Wiki】公众号，获得最新文章。
Thinkgamer_·2020-08-16 23:28

程序员的数学 2 概率统计pdf

本书涉及随机变量、贝叶斯公式、离散值和连续值的概率分布、协方差矩阵、多元正态分布、估计与检验理论、伪随机数以及概率论的各类应用，适合程序设计人员与数学爱好者阅读，也可作为高中或大学非数学专业
weixin_30596343·2020-08-16 21:37

人工智能知识点

https://www.julyedu.com/course/getDetail/110预习阶段机器学习中的数学基础微积分知识点1：微积分的基本概念概率论知识点1：概率论简介线性代数知识点1：线性代数基础凸优化知识点
湾区人工智能·2020-08-16 18:12

机器学习（四）从信息论交叉熵的角度看softmax/逻辑回归损失

机器学习中会常见到softmaxLoss，逻辑回归损失（或者叫交叉熵损失），这两种损失的来源可以由两方面考虑，一方面可以看做是来源于概率论中的极大似然估计，此部分可参见机器学习（二），另一方面可以看做是来源于信息论中的交叉熵损失
遍地流金·2020-08-16 15:13

统计学_2 中心极限定理、置信区间(未完成, 待补充)

中心极限定理：中心极限定理，是指概率论中讨论随机变量序列部分和分布渐近于正态分布的一类定理。这组定理是数理统计学和误差分析的理论基础，指出了大量随机变量近似服从正态分布的条件。
仇红酒不喝酒·2020-08-16 09:14

傅里叶、拉普拉斯、Z变换

傅里叶变换在物理学、数论、组合数学、信号处理、概率论、统计学、密码学、声学、光学、海洋学、结构动力学等领域都有着广泛的应用（例如在信号处理中，傅里叶变换的典型用途是将信号分解成幅值分量和频率分量）。
weixin_34258838·2020-08-16 09:36

LDA主题聚类学习小结

2019独角兽企业重金招聘Python工程师标准>>>最近学习了LDATopic聚类算法，里面涉及到许多概率论的知识，需要回过头去学习，这里做个小结，方便记忆，同时也希望能把它讲明白。
weixin_34128534·2020-08-16 09:23

从零基础到精通小猴子《概率论》视频

百度网盘下载第一课-事件的概率.mp4第二课-一维随机变量.mp4第三课-一维随机变量函数.mp4第四课-五种常见分布.mp4第五课-二维随机变量.mp4第六课-二维随机变量的独立性、二维随机变量的函数.mp4第七课-期望与方差.mp4第八课-协方差相关系数、切比雪夫不等式、中心极限定理.mp4第九课-数理统计基础.mp4第十课-矩估计.mp4第十一课-最大似然估计量.mp4第十二课-区间估计.m
weixin_33845477·2020-08-16 09:59

LDA模型学习之（三）走过的弯路

除了去看让我头大的概率论、随机过程、高数这些基础的数学知识，还到网上找已经实现的源代码。最先让我看到署光的是Mallet,我研究了大概一个星期，最后决定放弃了。
weixin_33736832·2020-08-16 09:49

尝试Adam代替梯度下降

概率论中矩的含义是：如果一个随机变量X服从某个分布，X的一阶矩是E(X)，也就是样本平均值，X的二阶矩就是E(X^2)，也就是样本平方的平均值。
ljtyxl·2020-08-16 08:42

概率论与数理统计 一

条件概率、联合概率、全概率公式）②伯努利分布（0-1分布）③https://blog.csdn.net/ZLJ925/article/details/78960733-------------机器学习概率论与数理统计一
自学AI的鲨鱼儿·2020-08-16 07:04

3人斗地主54张牌拿对王的概率--概率论与数理统计

前两天和同学坐地铁时无聊，就问问同学一个扑克牌游戏中的概率问题，居然吸引来两位年轻的小伙讨论。其实问题本身并不复杂，属于典型的古典型概率问题，感觉还是蛮有意思，训练一下思维也是不错的。问题1：一副扑克牌54张，3个人每人18张，问对王在一家的概率？一些应届毕业生在面试时可能会被问到类似的逻辑问题。最开始遇到这个问题时，我也是从单纯的逻辑思维的角度分析结论的。Solution1逻辑分析法:由于拿牌的
大家好Focus·2020-08-16 07:52

1概率论与数理统计_浙江大学B站

确定现象，一定会发生的现象不确定现象，可能会发生也可能不会发生的现象样本空间随机试验的所有可能结果构成的集合称为样本空间随机事件样本空间S的子集A称为随机事件A，简称事件A，当且仅当A中的某个样本点发生，称为事件A发生。事件之间的关系A属于B，那么A发生，B一定发生A和B相等，则A和B发生一样A和B的和事件(A发生或者B发生)A和B的事件(A和B同时发生)频率概率当实验的次数增加的时候，随机事件A
forever luckness·2020-08-16 06:34

傅里叶变换拉普拉斯变换的物理解释及区别

傅里叶变换在物理学、数论、组合数学、信号处理、概率论、统计学、密码学、声学、光学、海洋学、结构动力学等领域都有着广泛的应用（例如在信号处理中，傅里叶变换的典型用途是将信号分解成幅值分量和频率分量）。
kevinhg·2020-08-16 06:09

LDA主题聚类学习小结

UnigramModel（词袋模型）：BayesUnigramModel（贝叶斯词袋模型）PLSA潜在语义分析LDA主题聚类模型LDA算法设计与GibbsSampling最近学习了LDATopic聚类算法，里面涉及到许多概率论
july_2·2020-08-16 06:31

数据挖掘学习顺序

（比如是不是一定要会用R进行简单编程、掌握哪些基本的数学知识等）喜欢数学，本科有最基本的数学基础（数学分析、线代、概率论与统计、数论…），本身对数据挖掘很有兴趣，如果掌握了，对现在的工作也会很有帮助，所以下决心来从头学起
NS西北风·2020-08-16 06:33

【数学基础】一份非常适合人工智能学习的高等数学基础材料中文版 （国内教材精华）...

机器学习，需要一定的数学基础，需要掌握的数学基础知识特别多，如果从头到尾开始学，估计大部分人来不及，我建议先学习最基础的数学知识，基础知识可以分为高等数学、线性代数、概率论与数理统计三部分，我整理了相关数学基础资料
风度78·2020-08-16 06:28

AI基础：简易数学入门

0.导语学习AI建议掌握的数学资料：数学分析（微积分），线性代数，概率论，统计，应用统计，数值分析，常微分方程，偏微分方程，数值偏微分方程，运筹学，离散数学，随机过程，随机偏微分方程，抽象代数，实变函数
风度78·2020-08-16 06:27

人工智能新手入门学习路线！附学习资源合集

微积分与线性代数概率论与贝叶斯推理最优化方法从环境搭建到完成第一个深度学习案例人工智能在生活领域的技术和应用二、AI进阶实战相关视频学习资料整理（约402分钟）CV实例——图片
AI科技大本营·2020-08-16 06:43

机器学习(6)--朴素贝叶斯模型算法之鸢尾花数据实验

朴素贝叶斯模型是一种基于贝叶斯定理与特征条件独立假设的分类方法，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。
雨落那秋林·2020-08-16 06:33

概率论与数理统计初学印象（浙大四版+猴博士网课）

本科时专业必修课只有微积分和线代，概率论与数理统计为选修，但自己怠惰畏难没有去选，致使时至今日不得不选择自学，也算一大遗憾……去年七月开始看浙大四版的pdf，学了前两章便暂时搁置。
floraklydiast·2020-08-16 05:18

随机场（Random field）

一、随机场定义http://zh.wikipedia.org/zh-cn/随机场随机场（Randomfield）定义如下：在概率论中,由样本空间Ω={0,1,…,G−1}n取样构成的随机变量Xi所组成的
beck_zhou·2020-08-16 04:39
上一页 51 52 53 54 55 56 57 58 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他