2017年07月_Kelisita

12月 11月 09月 07月 06月 05月 04月 03月 02月 01月

原创概率统计与机器学习：机器学习常见名词解释（过拟合，偏差方差）

过拟合，欠拟合过拟合和欠拟合仍旧以线性回归举例，f(x,w)=w1x1+w2x2...wnxnf(x,w) = w_{1}x_{1} + w_{2}x_{2}...w_{n}x_{n} 我们要在损失函数最小的情况下得到权值wE=∑Ni=1(yi−f(x,w))2E = \sum_{i=1}^{N} (y_{i} - f(x,w))^{2} 但是阶数N也是需要考虑的，比如一阶就是一条线，特

2017-07-31 17:34:04 1032

原创概率统计与机器学习：极大后验概率以及正则化项

先验概率概念：本质上就是古典概型，是利用当前状态对求解状态的一种概率估计，可以理解为“由因求果”中“因”出现的概率。条件：（1）实验所有的可能结果是有限的；（2）每一种出现的结果的概率是等可能的举例：假设有一个根据身高H和衣服颜色饱和度S两个参数的模型来估计一个人是男的还是女的性别识别系统模型：y=w1∗H+w2∗S+by = w_{1}*H + w_{2}*S+b，

2017-07-24 23:53:06 3149 3

原创概率统计与机器学习：独立同分布，极大似然估计，线性最小二乘回归

独立同分布独立性概念：事件A，B发生互不影响公式：P(XY)=P(X)P(Y)P(XY)=P(X)P(Y) ，即事件的概率等于各自事件概率的乘积举例：正例：两个人同时向上抛硬币，两个硬币均为正面的概率反例：狮子在某地区出现的概率为X，老虎出现概率为Y，同时出现的概率并不满足P(XY)=P(X)P(Y)P(XY)=P(X)P(Y) ，因为老虎在的地方一般不会有狮子。同分布概念：随机变

2017-07-15 10:01:49 5129

原创概率统计与机器学习：常见分布性质总结

常见分布正态分布来源：中心极限定理定义：大量独立的随机变量之和趋向于正态分布（高斯分布）前提：样本之间相互独立公式：p(x)=12π√σexp(−(x−μ)22σ2) p(x) = \frac{1}{\sqrt{2\pi}\sigma}\exp (- \frac{(x-\mu )^{2}}{2\sigma ^{2}}) 图示：可以看出期望 μ\mu 代表了正态分布的偏移量（位置）；

2017-07-10 16:05:39 7296

原创概率统计与机器学习：期望，方差，数学期望，样本均值，样本方差之间的区别

1.样本均值：我们有n个样本，每个样本的观测值为Xi，那么样本均值指的是 1/n * ∑x(i)，求n个观测值的平均值2.数学期望：就是样本均值，是随机变量，即样本数其实并不是确定的 PS：从概率论的角度而言：样本指的是我们现在有多少东西需要去观测，它是一种随机变量，即样本的多少是不确定的，...

2017-07-09 14:21:27 59954 9

V-Net：Fully Convolutional Neural Networks

V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation

2017-05-22

k-nearest-neighbors-from-global-to-local

2017-02-23

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 概率统计与机器学习：机器学习常见名词解释（过拟合，偏差方差）

原创 概率统计与机器学习：极大后验概率以及正则化项

原创 概率统计与机器学习：独立同分布，极大似然估计，线性最小二乘回归

原创 概率统计与机器学习：常见分布性质总结

原创 概率统计与机器学习：期望，方差，数学期望，样本均值，样本方差之间的区别