统计学 入门基础概念篇 Probability 概率部分 (个人笔记)

排列 \ 组合 

Combination : sometimes, we want to count all of the possible ways that a single set of object can be selected without regard to the order in which they are selected. 

组合就是从一堆东西里面选出一定量的元素并且不考虑取的顺序, 能有多少种可能的组合


The number of combinations of n objects taken r at a time is denoted by nCr 

这句话的意思是: 一堆数量为 n 的元素,一次性从里面拿出 r 个. 把这个过程定义为 nCr 

nCr

  • 0
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是机器学习、深度学习、统计学、线性代数和概率论等基础概念的简要介绍: 1. 机器学习(Machine Learning):机器学习是一种人工智能的分支,通过使用算法和统计模型,使计算机系统能够自动从数据中学习和改进,并且可以进行预测、分类、聚类等任务,而无需显式地进行编程。 2. 深度学习(Deep Learning):深度学习是机器学习的一种特殊方法,它基于人工神经网络的概念,通过多层次的神经网络结构进行训练和学习。深度学习在处理大规模数据和复杂任务时具有很强的表达能力和学习能力。 3. 统计学(Statistics):统计学是一门研究收集、分析、解释和推断数据的学科。它涉及到数据收集的方法、数据可视化、概率模型、假设检验和推断等内容,用于从数据中获取有关现象或群体的信息。 4. 线性代数(Linear Algebra):线性代数是研究向量空间和线性变换的数学分支。它涉及到向量、矩阵、线性方程组、特征值和特征向量等概念,是机器学习和深度学习中使用的重要数学工具。 5. 概率论(Probability Theory):概率论是研究随机事件和概率的数学分支。它涉及到随机变量、概率分布、条件概率、贝叶斯推断等概念,用于描述和计算事件发生的可能性。 这些基础概念在机器学习和深度学习中都起着重要的作用,对于理解算法原理、模型训练和评估等方面都非常重要。建议您深入学习这些概念,并在实践中应用它们,以便更好地理解和应用机器学习和深度学习技术。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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