自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(7)
  • 资源 (2)
  • 收藏
  • 关注

原创 概率论2-随机过程

同步于Buracag的博客;音尘杂记随机过程(Stochastic Process) 是一组随机变量XtX_tXt​的集合,其中ttt属于一个索引(index)集合TTT。索引集合TTT可以定义在时间域或者空间域,但一般为时间域,以实数或正数表示。当t为实数时,随机过程为连续随机过程;当t为整数时,为离散随机过程。日常生活中的很多例子包括股票的波动、语音信号、身高的变化等都可以看作是随机过程。...

2019-06-25 18:10:09 814

原创 概率论1-随机事件和概率

同步于Buracag的博客;音尘杂记主要回顾概率论中关于样本空间、随机事件和常见概率分布的基础知识。1. 样本空间样本空间 是一个随机试验所有可能结果的集合。例如,如果抛掷一枚硬币,那么样本空间就是集合{正面,反面}。如果投掷一个骰子,那么样本空间就是{1, 2, 3, 4, 5, 6}。随机试验中的每个可能结果称为样本点。有些试验有两个或多个可能的样本空间。例如,从52 张扑克牌中随机抽...

2019-06-25 17:02:00 1453

原创 微积分2-常见函数的导数

同步于Buracag的博客;音尘杂记在微积分1中已经附上了一个常见函数形式的导数,下文主要是关于向量函数及其导数,以及在机器学习和神经网络中常见的Logistic函数、Softmax函数的导数形式。1. 向量函数及其导数2. 按位计算的向量函数及其导数假设一个函数f(x)f(x)f(x)的输入是标量xxx。对于一组KKK个标量x1,...,xKx_1, ... , x_Kx1​,...,...

2019-06-25 16:02:57 1157

原创 微积分1-导数

同步于Buracag的博客;音尘杂记微积分1,主要回顾关于微积分中关于导数的相关知识。错误之处,还望诸君不吝指教。1. 导数基础导数(Derivative) 是微积分学中重要的基础概念。对于定义域和值域都是实数域的函数f:R→Rf : \mathbb{R} \to \mathbb{R}f:R→R,若f(x)f(x)f(x)在点x0x_0x0​的某个邻域△x\triangle x△x内,极限...

2019-06-19 20:23:11 1318

原创 线性代数2-矩阵

同步于Buracag的博客;音尘杂记线性代数2,主要回顾关于矩阵的相关知识。错误之处,还望诸君不吝指教。1. 线性映射**线性映射(Linear Mapping)**是指从线性空间V 到线性空间W的一个映射函数f:V→Wf : V \to Wf:V→W,并满足:对于VVV中任何两个向量uuu和vvv以及任何标量ccc,有两个有限维欧式空间的映射函数f:Rn→Rmf: \mathbb{R}...

2019-06-19 20:01:32 715

原创 线性代数1-向量和向量空间

同步于Buracag的博客;音尘杂记后续几篇笔记主要想回顾整理一下需要用到的数学基础知识,主要包括了线性代数、微积分、概念论、数学优化和信息论等内容。相对比较基础,权当复习回顾完善整个知识体系结构。错误之处,还望诸君不吝指教。1. 向量标量(Scalar)是一个实数,只有大小,没有方向。而向量(Vector)是由一组实数组成的有序数组,同时具有大小和方向。例,一个n维向量a 是由n个有序实数...

2019-06-19 19:52:40 2960

原创 分位数回归简介

分位数回归简介同步于音尘杂记;Buracag的博客最近在做一个比较有意思(难搞…)的项目。大致介绍一下相关背景:根据历史的一个工作情况(历史表现,也就是有多少人做了多少工作量),以及未来的一个预估工作量(预测值),我们需要预估一个合理的人员投入;一言概之,根据历史表现和预测件量预估人员投入。时序问题?咋一看,这不就是一个时序问题嘛!人力投入如下:Yt=f(Tt,St,Ct,It)Y_t...

2019-06-01 15:04:40 14347 1

机器学习实战 - Peter Harrington 【扫描版】

本书第一部分主要介绍机器学习基础,以及如何利用算法进行分类,并逐步介绍了多种经典的监督学习算法,如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树(CART)算法等。第三部分则重点介绍无监督学习及其一些主要算法:k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。

2017-08-19

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除