统计学系统学习目录（持续更新中）

最新推荐文章于 2024-08-30 19:40:45 发布
最新推荐文章于 2024-08-30 19:40:45 发布
阅读量149 收藏 1
点赞数
文章标签： 学习 Powered by 金山文档
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/HACFISH/article/details/128644641
版权
本文档是个人学习笔记，涵盖了概率论、矩阵论、统计学等基础知识，深入到回归分析、凸优化和随机过程。还包括时间序列分析、机器学习的基础与进阶内容，特别是深度学习和神经网络在随机微分方程中的应用。同时，介绍了EM算法和进阶机器学习话题。
摘要由CSDN通过智能技术生成

个人学习笔记，不作商业用途，仅供学习交流，如需转载请标明来源。

根据个人目前学习进度更新，但是前面未完善的内容会逐步更新

——2023年1月11日

  1. 概率论基础

  1. 矩阵论基础

  1. 统计学基础

  1. 回归分析基础

  1. 凸优化基础

  1. 随机过程基础

  1. 随机过程预备知识

  1. 离散鞅理论

  1. 随机微分方程

  1. 时间序列分析基础

  1. 随机微分方程在时间序列的应用

  1. 神经网络随机微分方程在时间序列的应用

  1. 机器学习基础（后续会进行归类）

  1. EM算法

  1. 深度学习基础

  1. 时间序列分析进阶

  1. 机器学习进阶

  1. 深度学习进阶

邓宏宇
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
对于“统计学习方法”的系统学习（一）
weixin_42096947的博客
06-09 163
    学习教材采用清华大学李航博士所著的《统计学习方法》。    一、统计学习方法三要素：模型，策略，算法。    二、实现统计学习方法的步骤：        1、得到一个有限的训练数据集合；        2、确定包含所有可能的模型的假设空间，即学习模型的集合；        3、确定模型选择的准则，即学习的策略；        4、实现求解最优模型的算法，即学习的算法；        5、通...
数据分析入门需要了解的统计学知识【持续更新】
w0714的博客
08-12 3万+
最近一直都在重温统计学的知识，是时候整理出来分享给大家了！ 本篇博客会大致整理常见的统计学知识，多数内容只是简单概述，必要部分我会详讲。 基础知识点 随机抽样：从总体中随机抽取元素到样本中。 分层抽样：对总体分层，并在每层中做随机抽样。 简单随机抽样：在不对总体分层的情况下，做随机抽样所得到的样本。 偏差：系统性误差。 样本偏差：样本对总体做出了错误的解释。 样本统计量：对抽取自大规模总体中的样本做计算，所得到的一些度量值。 数据分布：单个值在数据集中的频数分布。 抽样分布：一个样本统计量在多个样本或重抽
博客目录与概览
热门推荐
冯·诺依曼
08-31 42万+
从即日起，我将开始开始着手写作《深入理解机器学习》分类下的文章。《深入理解机器学习》不仅仅把目光局限机器学习算法的推导与实现，更多的会将目光聚焦于从数学、统计学以及统计学习的角度来深入理解机器学习算法，除此之外，我还会讨论各个机器学习算法局限与瓶颈，纵横向比较各种机器学习算法的优劣等。在详细介绍机器学习算法的同时，我还会通过Python和Scala给出相关项目的实战代码。所以，想深入学习机器学习的..............................
【推荐系统】方法论 | 数据驱动 | 深度学习RS
发现问题，并解决问题，批判性思维
11-12 1683
两个常见的推荐模块： 1）猜你喜欢：各种召回方法，多路召回策略。 2）个性推荐：CTR排序，主流是基于深度学习方法，如下图所示： - 一般先用spark进行大数据处理和特征工程，得到的线上特征存入redis；训练样本则送入TensorFlow进行离线模型训练（一些模型可以用spark进行模型训练）； - 训练并导出了 如NeuralCF 的模型文件。然后使用 TensorFlow Serving 载入模型文件，建立线上模型服务 API（TensorFlow serving API）。 - 推荐服务器的排序层
豆瓣9.6分统计学神作ISL之第一章读书笔记（持续更新中）
读书笔记控的博客
05-06 776
豆瓣9.6分统计学高分神作的全网最认真的读书笔记，关注后绝对不后悔
深度学习在通信领域中的应用
weixin_46121540的博客
03-21 3312
深度学习在通信领域中的应用 深度学习作为人工智能领域的一个热门技术，一直在探索新的应用领域。近年来，深度学习在通信领域中的应用也逐渐受到关注。通信领域需要面对各种挑战和问题，例如信道估计、信号检测、通信系统优化等等。这些问题的解决，可以大大提升通信系统的性能和效率。本文将重点介绍深度学习在通信领域中的应用，并探究深度学习在通信领域的优势和局限性。一、深度学习在信道估计中的应用信道估计是通信系统中的一个重要环节，其作用是根据接收到的信号恢复其中的失真信息，进而对信号进行准确解调。在传统的通信系统中，信道估计常
《统计学》学习笔记之数据的收集
小山羊的学习日志
03-15 1344
鄙人学习笔记 文章目录数据的收集数据的来源调查数据数据的误差 数据的收集 数据的来源 数据的间接来源 如果与研究内容有关的原信息已经存在，我们只是对这些原信息重新加工、整理，使之成为我们进行统计分析可以使用的数据，则把它们称为间接来源的数据。 数据的直接来源 虽然二手数据具有搜集方便、数据采集快、采集成本低等优点，但对一个特定的研究问题而言，二手资料的主要弱点是针对性不够，所以仅仅靠二...
机器学习/统计学习算法分类整理【持续更新】
江南蜡笔小新
04-07 1710
文章目录机器学习十大算法总结/机器学习十大经典算法简介一、.监督学习1. 线性回归2. Logistic 回归3.支持向量机算法(Support Vector Machine,SVM)4. 最近邻居/k-近邻算法 (K-Nearest Neighbors,KNN)二、 无监督学习三、 强化学习 机器学习十大算法总结/机器学习十大经典算法简介 有监督学习有哪些？无监督学习有哪些？强化学习有哪些？ 一...
统计学和算法相关的基础知识（持续更新）
请加油吧
01-07 8166
期望和平均值的区别： 平均值属于数理统计范围，期望属于概率论范围。 期望就是其中关于随机变量的一种总体性的描述，它是事件本质的一种表达。针对于大群体进行计算 平均值主要针对于小群体进行计算，针对既有的数值全部一个不落的加起来，叫做平均值。 线性回归： what：确定两种或者两种以上变量之间相互依赖的定量关系的一种统计方法。单变量表达形式是y = bx+e 误差e服从均值为0的正态分布。它的基本思想...
大数据分析系统中的统计学理论应用.pptx
09-23
大数据分析系统中的统计学理论应用是现代信息技术领域的重要组成部分，尤其在处理海量数据时，统计学的方法显得至关重要。大数据不仅仅是关于数据的体积，更关乎数据的速度（Velocity）、多样性（Variety）以及价值...
统计学原理第PPT学习教案.pptx
10-01
例如，在案例中，某城市的工业企业未安装设备普查中，总体单位是每个工业企业；了解成年人就业情况时，总体是所有成年人，成年人口就业率是质量指标，而“职业”是每个人的特征，作为标志表现。在研究工厂100名工人...
企业市场调查与预测企业经营统计学PPT学习教案.pptx
10-04
解企业市场调查与预测在企业经营统计学中的应用和重要性。企业市场调查是企业决策的基础，它通过科学的统计方法和技术，系统地收集、整理和分析市场信息，旨在了解市场经济运行状态及其规律。 首先，企业市场调查的...
异常检测算法:从统计学到深度学习
禅与计算机程序设计艺术
04-23 354
异常检测算法:从统计学到深度学习 1.背景介绍 1.1 什么是异常检测 异常检测(Anomaly Detection)是一种广泛应用于数据挖掘、模式识别和机器学习领域的技术,旨在从大量数据中识别出与众不同的异常数据点或模式。这些异常数据点可能代
12306项目学习笔记（框架篇Base）
qq_74851649的博客
08-30 415
首先学习的是基础框架提供了一种静态方式来访问Spring容器中的Bean，适用于某些特定场景，如工具类和框架集成。在12306项目中由于我们引入了RocketMQ消息队列，这些库的对象通常不是Spring管理的，无法直接使用@Autowired注入，所以需要类提供一种静态方式来访问Spring容器中的Bean。比如在我们的TicketServiceImpl中的bean对象就是用以下方法获取的。
软件测试学习笔记丨Pytest配置文件
ceshiren_com的博客
08-27 2215
pytest.ini是pytest的配置文件；可以修改pytest的默认行为；不能使用任何中文符号，包括汉字、空格、引号、冒号等。
Web3开发与安全：6个月高效学习路径
weixin_47075747的博客
08-30 526
这份计划应该能帮助你系统地学习智能合约开发和安全审计技能，同时克服英语的障碍。
AI实践与学习8-AI Agent Workflow助力解题和验证答案置信度
xiaosi的博客
08-30 292
之前在试着提高解题正确率，目标100%，发现外部知识不足仅依靠大模型的话比较困难。而试题人工生产成本巨大。本质因为大模型生成内容会有幻觉特点，也就是说解答的试题正确性不太好评判，直接解答试题生产场景不太可控。后面考虑调用OpenAI解题的时候，像xxx那样通过输出置信度来帮助判断答案的正确性 or 其他形式只要能保证LLM生成答案是可靠（程序判断）的。
Scratch教学案例-《三顾茅庐》：让编程学习如同故事般引人入胜
最新发布
q742808221的博客
08-30 473
在编程的世界里，我们常常寻找那种既能激发创意，又能提升技能的学习方式。这是一部将经典故事与编程教学巧妙结合的Scratch项目，让孩子们在轻松愉快的氛围中掌握编程技巧。《三顾茅庐》以三国演义中的经典故事为背景，带领学生们进入一个充满历史韵味的编程世界。通过编程实现故事情节，学生不仅能深入了解三国故事，还能在实际操作中掌握Scratch编程的基本概念。《三顾茅庐》的设计考虑到了不同年龄段学生的学习需求。通过完成《三顾茅庐》项目，学生不仅能学会Scratch编程的基础知识，还能培养解决问题的能力和创造力。
系统学习NLP：从基础到深度探索
"自然语言处理学习宝典涵盖了从基础到深度学习的...学习NLP需要系统地掌握概率统计、机器学习基础、文本挖掘、序列模型、词嵌入、上下文表征和各种NLP任务，这是一个深度与广度并重的学习过程，需要持续探索和实践。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值