ACM_概率论

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

抢红包算法--四种抢红包算法对比

线上测试服务器中，有个同事做的抢红包算法被要求优化，大概听了下他们的讨论，最后的结果竟然要用什么概率论等等一系列我听过的、没听过的名词去解决。我表示一脸懵*。
zhanglu_1024·2020-08-03 09:23

概率论与数理统计学习笔记五：假设检验（未完待续）

1.问题提法和基本概念1）例子与问题提法a）假设：一个其正确与否有待通过样本区判断的陈述b）检验：动词指判断全过程的操作；名词指判断准则c）接受该假设：“认为假设正确”在统计学上称为接受该假设d）否定或拒绝该假设：“认为假设不正确”e）原假设和对立假设原假设（零假设、解消假设）：在假设检验中，常把一个被检验的假设叫做原假设对立假设（备择假设）：原假设的对立面就叫做对立假设（既可以指全体，也可以指一
坚持就是胜利z·2020-08-03 09:43

基本概念：支撑集 support set 和支撑 support

特别地，在概率论中，一个概率分布是随机变量的
Bonit6·2020-08-03 07:11

1 什么是机器学习（Machine Learning)？

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。
花梦飞·2020-08-03 05:35

概率论第四章习题中的一些结论

1.设随机变量X1,X2,…,XnX_1,X_2,\dots,X_nX1,X2,…,Xn相互独立,且都服从(0,1)(0,1)(0,1)上的均匀分布，则U=max{X1,X2,…,Xn}U=max\{X_1,X_2,\dots,X_n\}U=max{X1,X2,…,Xn}的数学期望为E(U)=nn+1E(U)=\frac{n}{n+1}E(U)=n+1nV=min{X1,X2,…,Xn}V=min
Master Chicken·2020-08-03 04:51

考研复习参考

汤家凤1800题暑假强化张宇1000题线代：李永乐基础+强化（讲义）34概率论：余丙森34/*张宇考研指导*/10月之前结束强化7月之前结束基础真题复习规划：2019年9月-2020年2月未雨绸缪、2020
风飘客·2020-08-03 03:22

了解数据挖掘

因为Bayes理论能够帮助理解基于概率估计的复杂现况，所以它成为了数据挖掘和概率论的基础。
满天星._·2020-08-03 03:02

论学好数学对机器学习的重要性

对于学习算法来说，大家都认为学习好高等数学、线性代数、概率论很重要。具体算法与这些数学学科有什么关联呢。让我们先了解一下，这会对我们后期的学习很有帮助。
hua@happiness·2020-08-03 01:54

DeepLearning基础学习笔记一（背景了解及学习工具）

1.机器学习（MachineLearning）1.1概念：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。
fplei·2020-08-03 01:43

自然语言处理 朴素贝叶斯文本分类

首先，我们需要了解一些概率论的基本理论。假设有两个随机变量X和Y，他们分别可以取值为x和y。
herosunly·2020-08-03 00:25

白话空间统计三十：地统计学（2）前提假设

随机过程是概率论里面的一个核心概念——同学
大虾卢·2020-08-02 22:38

大型数据库分析技巧-统计学基础2

3.简单概率论3.1概率空间(Wahrscheinlichkeitsraum)三元式：(Ω,F,P)Ω:结果集合(Ergebnismenge)//指可能出现的结果如掷骰子可能出现的结果是1到6F⊆2Ω:
尤曦·2020-08-02 22:33

机器学习总结——机器学习课程笔记整理

机器学习笔记整理说明基础点整理1.基础数学知识(1)一些零七八碎的基础知识(2)最优化相关问题(3)概率论相关问题(4)矩阵相关问题2.回归（线性回归、Logistic回归，Softmax回归）(1)线性回归
Jichao_Peng·2020-08-02 20:39
上一页 55 56 57 58 59 60 61 62 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他