ACM_概率论

深度学习（P1数学 第一章到第四章）花书阅读笔记和知识点补充

单位矩阵和逆矩阵2.4线性相关和生成子空间2.5范数2.6特殊类型的矩阵和向量2.7特征分解2.8奇异值分解2.9Moore-Penrose伪逆2.10迹运算2.11行列式2.12实例：主成分分析C3概率论
ngadminq·2020-08-08 18:44

数学篇----参数估计之最大似然估计法[概率论]

前言参数估计问题分：点估计、区间估计。点估计是适当地选择一个统计量作为未知参数的估计（称为估计量），若已取得一样本，将样本值代入估计量，得到估计量的值，以估计量的值作为未知参数的近似值（称为估计值）。（另一种解释：依据样本估计总体分布中所含的未知参数或未知参数的函数。）有很多求点估计的方法：最大似然估计法、矩估计法、最小二乘法、贝叶斯估计法。重点就是最大似然法。最大似然估计法的基本思想：若已观察到
谷震平·2020-08-08 15:53

机器学习算法数学基础之——微积分篇（1）

所以打算在知乎记几篇笔记，分别是关于微积分、线性代数、统计与概率论三个部分的一些常用知识点。当前这篇是关于微积分部分的，包括：罗尔定理、柯西中值定理、拉格朗日中值定理、泰勒展开、夹逼准则、洛必达法则
王大鱼·2020-08-08 15:58

微积分学 \ 线性代数 \ 概率论与数理统计

文章目录一、微积分学极限与连续一元函数微分学一元函数积分学二、线性代数行列式方阵三、概率论与数理统计一、微积分学极限与连续连续的两种定义等价无穷小常见数列前n项和一元函数微分学狄利克雷函数导数公式高阶导数费马定理罗尔定理拉格朗日中值定理柯西中值定理泰勒公式判断极值的三个充要条件判断拐点的三个充要条件经典不等式一元函数积分学基本积分表祖孙三代的奇偶性和周期性反常积分的计算与敛散性判别不定积分与定积分
Enjoy_process·2020-08-08 13:10

【BZOJ3093】A Famous Game-概率论+组合数学

做法：本题需要用到概率论+组合数学。通过这道题，我终于意识到概率论这个东西真的不可能靠直觉算对…想出来这种东西的贝叶斯真是个神人…本题需要用到的公式：P(A∣B)=P(AB)P(B)P(
Maxwei_wzj·2020-08-08 12:55

算法工程师的数学基础｜微积分之微分相关介绍

【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_·2020-08-08 12:39

京东数据分析工程师（实习生）笔试

小题考的很细，各种概率论统计数据库机器学习的知识点，很多都是蒙的，默默的把不会的题记下来，等再学会怎么做了以后发现蒙的都错了。。。。
daisyyyyyyyy·2020-08-08 11:13

Kali Linux——迈向网络攻防

自从进入大三的课程后，在已学的高数、线代、数论、概率论、信息论、通信等知识的技术上，开始了网络信息安全、网络攻防的学习。俗话说得好，磨刀不误砍柴工，开始网络攻防之旅也势必要一个好的工具。
baitan2000·2020-08-08 10:41

机器学习-逻辑回归算法[入门]

解决分类问题的算法也有很多种，比如:k-近邻算法，使用距离计算来实现分类;决策树，通过构建直观易懂的树来实现分类;朴素贝叶斯，使用概率论构建分类器。
H驱逐舰H·2020-08-08 10:29

朴素贝叶斯理论、One-Hot表达与TF-IDF算法

贝叶斯公式概率论中所学，用来描述两个条件概率直接的关系。
Iovebecky·2020-08-07 22:22

R语言与非参数统计（核密度估计）

R语言与非参数统计（核密度估计）核密度估计是在概率论中用来估计未知的密度函数，属于非参数检验方法之一，由Rosenblatt(1955)和EmanuelParzen(1962)提出，又名Parzen窗（
yujunbeta·2020-08-07 22:14

协方差的意义和计算公式

原文参考为什么需要协方差学过概率论，我们知道均值，方差和标准差，但我们应该注意到，标准差和方差是用来描述一维数据的，现实生活中我们常常遇到含有多维数据的数据集，我们当然可以按照每一位独立的计算方差和标准差
东升月初·2020-08-07 20:06

Python大数据分析（三）：大数据统计分析技术

文章目录（一）概率论数理统计中的概念（1）随机分布（2）统计分布（二）统计分析的常见指标（1）均值，方差，标准差，中位数，众数（2）总量指标（3）相对指标（4）平均指标（5）变异指标（三）统计分析的特点
数据库爆破专家·2020-08-07 17:29

带你动手编程的强化学习著作，每行代码都是它的温柔！

由于深度强化学习算法融合了深度学习、统计、信息学、运筹学、概率论、优化等多个学科的内容，入门门槛高是事实。虽然博文菌推荐过很多优秀的AI著作，但自己学起强化学习算法仍然是一团浆糊。
博文视点·2020-08-07 13:50

机器学习实战——第三章（分类）：决策树算法与实例（一）

前言今天看了会《机器学习实战》第三章：决策树，很迷，似懂非懂，专业术语太多了，而且有点混乱，对于一个大一概率论没学好的学渣来说，如今大三的我看到那些概率公式和一些概率论专业术语就头疼，马上就打了退堂鼓，
HeShangXTYMT·2020-08-07 10:19

一场物理界和数学界永远不能停下的争论

数学系的学生学数学分析、复分析、实分析、泛函分析、数值分析、线性代数、抽象代数、概率论、集合论、数论、微分几何、微分流形、拓扑学、常微方程、偏微方程、代数几何、组合数学、运筹学、李群与李代数等；物理系的学生学四小力学
人工智能学家·2020-08-06 10:32

使用均匀分布随机数产生器构造任意分布的随机数产生器

一.算法原理在概率论中，有下面重要的结论：设随机变量Y的概率分布函数F(y)为连续函数，而X是在(0,1)上均匀分布的随机变量，设,则Z与Y有相同的分布。
shengno1·2020-08-05 20:59

HDU --- 2018 Multi-University Training Contest 6

1001：oval-and-rectangle题意：给出以圆心为中点的椭圆的长轴a和短轴b，随机取x在区间[0,b]中，做平行于x轴的直线，做一个长方形，求其周长的期望思路：基本的概率论的期望公式，但是一点是周长公式没有画图
20164235·2020-08-05 19:39

【shaw学习笔记day1】Python21天+人工智能预科学习日记

Python数据类型及字符串字节串转换+概率论复习这里是shaw，用于记录技术学习笔记和各类干货分享；为记录学习生活和激励成长，开始这个专栏，希望自己日后可以坚持，初心不变。
Shaw_Shaw·2020-08-05 12:13

ML机器学习导论学习笔记

机器学习的定义：机器学习(MachineLearning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。
weixin_33937499·2020-08-05 11:16

D1——ML机器学习导论学习笔记

机器学习的定义：机器学习(MachineLearning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。
阳光罗诺·2020-08-05 10:28

区块链共识机制的博弈论思想和概率论模型

引言我们知道，区块链是一种去中心化的数据库，没有中心化机构，所以在进行价值转移、信息传递的过程中，需要解决所有记账节点上的一致性和正确性问题。我们需要一种多方协作的机制，协调参与多方达成统一的唯一结果，且保证此过程难以被欺骗，来保证系统的稳定运行。所以，共识模型也是区块链中必不可少的重要组成部分。今天稍微了解了一下区块链共识模型里体现的的博弈论思想，分享一下。拥有记账权的人更倾向在维护整个体系过程
Jenny_Shirunhao·2020-08-05 10:57

转载：概率与梳理统计||数学基础

导言：本文从微积分相关概念，梳理到概率论与数理统计中的相关知识，但本文之压轴戏在本文第4节（彻底颠覆以前读书时大学课本灌输给你的观念，一探正态分布之神秘芳踪，知晓其前后发明历史由来），相信，每一个学过概率论与数理统计的朋友都有必要了解数理统计学简史
a1000worlds·2020-08-05 03:45

《高数叔》概率论与数理统计期末总复习笔记（持续更新中）

文章目录一、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（集合之间的关系）3.事件的运算律---交换律-结合律-分配律-德摩根律4.概率的概念和性质5.古典概型6.条件概率7.乘法定理8.全概率公式9.贝叶斯公式全概率&贝叶斯举例10.事件独立性11.大概会考啥？古典概型-加法-减法-乘法公式12.举几个例子（1）条件概率与古典概型（2）德摩根律与古典概型（3）条件概率（
BitHachi·2020-08-05 03:21

数据分析经典图书推荐

统计学是一门以概率论为基础的方法论学科，主要通过收集数据，进行量化的分析、总结，并进而进行推断和预测，为相关决策提供依据和参考。
weixin_30332241·2020-08-05 02:16

字节跳动2017笔试 (2) --- 解析

前面的话这套题考点包括html/css、js、跨域问题、计组、计网、数据结构、操作系统、算法、概率论，都比较基础。题目来源牛客。
crazy的蓝色梦想·2020-08-05 01:39

学习资料大放送

（一）数学方面：高等数学+线性代数+概率论。这些课程可以先了解，等到学习机器学习遇到特定的知识时再逐渐加深。（二）编程方面：机器学习对编程有一定的要求，编程语言最好是Pyth
追梦程序员·2020-08-05 01:06

ACM_算法竞赛经典入门_ 强烈推荐的一本好书

这本书虽然讲的是算法竞赛的内容，但里面涉及的很多算法和内容比较适合计算机系的学生练习编程，对于掌握好编程和数据结构有很大的帮助。将这本书学精，把后面的习题都到oj上ac。那么你的数据结构和编程已经有很深的功底，可以应付任何公司的技术面试（包括ms，google，baidu）总之，学了以后，再也不感觉计算机神秘了，什么新技术，高科技，就是那么回事情，万变不离其宗，这个宗，有很大部分都在这本书中。不过
essencelite·2020-08-05 00:30

人工智能 = 人工智障（史上最全的人工智能机器学习、深度学习教程合集目录）

递归神经网络（RNN）强化学习生成对抗网络（GAN）多任务学习NLP深度学习和NLP词向量编码器-解码器Python实战案例Scipy和numpyscikit学习TensorflowPyTorch数学线性代数概率论微积分我将这篇文章分为四个部分
sakura小樱·2020-08-04 23:16

【01B0801】计算机及应用（独立本科段）

203709马克思主义基本原理概论政治课4分笔试300015英语（二）文化基础课14分笔试是403684综合英语（四）文化基础课10分非笔试是500023高等数学（工本）文化基础课10分笔试602197概率论与数理统计
陆山右·2020-08-04 20:20

人工智能必备数学基础

人工智能必备数学基础函数函数的定义几种函数几种特性数列极限函数的连续性函数的间断点导数偏导数方向导数梯度微积分泰勒公式麦克劳林公式SVD矩阵分解似然函数后验概率估计核函数信息熵激活函数sigmoidtanhreluLeakyReLU高数、线代、概率论
zhaohuan_1996·2020-08-04 20:46

协方差的意义

在概率论中，两个随机变量X与Y之间相互关系，大致有下列3种情况：当X,Y的联合分布像上图那样时，我们可以看出，大致上有：X越大Y也越大，X越小Y也越小，这种情况，我们称为“正相关”。
乐航宇·2020-08-04 18:16

最大似然函数及其求解

本文从概率论的角度---最大化似然函数，来求解模型参数，得到线性模型。本文内容来源于：《AFirstCourseofMachineLearning》中的第一
求津问道·2020-08-04 18:43

ACM_数论

1.扩展欧几里得求解线性方程ax≡b(modm)对于实数运算下的方程ax=b是不是很好解决啊如果在modm的运算下，也有ay≡1(modm)这样的a的倒数存在，方程就可以求解了我们把这样的y叫做a的逆元记为a^-1为什么要有乘法逆元呢？当我们要求（a/b）modp的值，且a很大，无法直接求得a/b的值时，我们就要用到乘法逆元。我们可以通过求b关于p的乘法逆元k，将a乘上k再模p，即(a*k)mod
god_speed丶·2020-08-04 17:41

贝叶斯其人其事

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，对于统计决策函数、统计推断、统计的估算等做出了贡献。
Oliver_mp·2020-08-04 16:47

怎么用蒙特卡洛模拟（monte carlo）

原文地址链接：https://www.jianshu.com/p/bd0bc6775da6001什么是蒙特卡洛模拟蒙特卡洛模拟，又称为统计实验方法以概率论和统计理论方法为基础的一种计算方法通过随机数来解决很多计算问题主要步骤是
遥感与高光谱·2020-08-04 15:30

机器学习中的数学（上）

概率论（机器学习中的数学（中））。机器学习中常用的不等式（机器学习中的数学（下））。1、线性代数  这部分介绍一些机器学习中常用的线性代数知识点包括向量的范数和矩阵的范数及其相
bwqiang·2020-08-04 13:34

从概率论到Markov Chain Monte Carlo（MCMC）

大学本科时代开始学习的概率论，从变着花样从箱子里取不同颜色的球计算概率，到计算各种离散或连续的随机分布期望、方差，再高深点就是利用生成函数求期望和方差，再就是估计理论，包括点估计、极大似然估计和区间估计等
benshong·2020-08-04 13:06

一场物理界和数学界永远不能停下的争论

数学系的学生学数学分析、复分析、实分析、泛函分析、数值分析、线性代数、抽象代数、概率论、集合论、数论、微分几何、微分流形、拓扑学、常微方程、偏微方程、代数几何、组合数学、运筹学、李群与李代数等；物理系的学生学四小力学
算法与数学之美·2020-08-04 12:51

nlp2-数学基础（信息论，概率论、词义消歧）

文章目录概率论信息论计算熵计算信息熵、条件熵、联合熵波利尼亚语熵率噪声信道模型建立一个翻译词义消歧（WSD贝叶斯最大熵的消歧方法概率论在自然语言处理中，以句子为处理单位时一般假设句子独立于它前面的其它语句
叶落叶子·2020-08-04 06:36

概率论与数理统计(不间断、持续更新|20.6.14）

-/+9-*–@TOC一、概率的基本概念1.随机试验随机试验的特点：1.可以在相同的条件下重复地进行2.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.进行一次试验之前不能确定哪一个结果会出现2.样本空间、随机事件事件的运算关系：设：A,B,C为事件,则：A∪B=B∪AA∩B=B∩AA∪(B∪C)=A∪B∪CA∩(B∩C)=A∩B∩CA∪(B∩C)=(A∪B)∩(A∪C)A∩(B∪
瓦砾·2020-08-04 06:44

机器学习之&&SVM支持向量机入门:Maximum Margin Classifier

概率论只不过是把常识用数学公式表达了出来。
大当家奥斯卡·2020-08-04 01:24

用编程去解决概率论问题

题目：智力电视节目里有三扇门，其中两扇门背后各是一只羊，还有一扇背后是一辆汽车。参赛者先选择一扇门，然后主持人打开剩下两扇其中一扇背后必定是羊的门。这时参赛者跟换选项是否得到汽车的概率更大呢？如果更换了概率是多少？这道题算是很经典的博弈论了，网上一搜一大把，但是好像没有从编程角度出发去解决这个问题的，所以身为程序员的我，怎么能不用程序去跑一边呢？于是乎，代码就出来了。（为了统计的准确性，我们将次数
A-Jiang·2020-08-04 00:10

关于贝叶斯基础理论

贝叶斯定理简介贝叶斯定理是18世纪英国数学家托马斯.贝叶斯提出的重要概率论（画重点）理论。为了解决逆向概率问题（由结果推前提），本来是概率论的东西现在广泛用于机器学习。
空格为什么不行·2020-08-03 19:31

【大数据】大数据的前世今生

从国家现状衍生出的统计学，从博彩诞生而来的概率论，为数据分析奠定了坚实的基础。
开发者社区小百科·2020-08-03 19:03

ACM_暑期计划

这几天在学校刷题，但是状态不是很好，与放假前的想法完全有点背离了。然后这两天有感冒了，更是状态下滑，一天好像都没写出一两道。。。今天和张引还有苟继承一起出去买了个大西瓜，吃起来还是挺不错的~不过一下就饱啦~~哈哈哈哈~看着电脑屏幕，突然想到了一件事情——退役，在打完区域赛后就不玩了。说是突然，但也许早就在脑海深处想过了吧。想想自己参加ACM已经一年多了，感觉好久啊。。。退役的主要原因是因为：自己在
jxust_tj·2020-08-03 18:48

统计数据：一个成功数据科学项目的最佳起点

统计理论中，随机事件和不确定性通过概率论建模。要想开启一个兼具意义和效果的数据科学项目，需要深入理解原始数据和相关领域知识。初步的统计工具和可视化图表，能帮助人们更深入、直观地理解数据及其行为。
读芯术·2020-08-03 16:37

北京大学公开课

历史/文学/考古/艺术等为主65、【概率论】112集，何书元主讲。http://www.bilibili.com/video/av7706616/1、【社会学概论】65集，卢晖临主讲。
jin-long·2020-08-03 13:38

贝叶斯方法

来源：http://mindhacks.cn/2008/09/21/the-magical-bayesian-method/概率论只不过是把常识用数学公式表达了出来。
Jenrey·2020-08-03 13:58

搭建深度学习框架(一) 线性层,激活函数,损失函数

回顾前面我们学习(复习)了线代,概率论和优化等数学课,还复习了基础的机器学习算法,逻辑回归SVM和决策树等.现在我们进入深度学习的第一课,就是前馈神经网络的原理和使用.神经网络是一种非常强大的机器学习模型
Hαlcyon·2020-08-03 11:33
上一页 54 55 56 57 58 59 60 61 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他