数学
暂无
耐耐~
这个作者很懒,什么都没留下…
展开
-
概率论与数理统计(二)
本文主要讲一下如何对随机事件求概率这个问题,这个问题听起来是很简单的,但实际上这里面还是有一点点东西的。文章目录三大结构离散的样本空间连续的样本空间总结三大结构当我们讨论某一随机事件的概率时,我们一般是在一个框架下讨论的,这个框架包含三个结构:样本空间(sample space),事件(event)和几率测度(probability measure)。sample space:记作Ω\OmegaΩ,样本空间,即某一随机现象发生的所有可能取值集合。event:sample space的任一子集叫做原创 2020-07-16 20:35:57 · 1766 阅读 · 0 评论 -
概率论与数理统计(三)
接下来讨论的对象就是随机变量了,而不是事件。随机变量可以由事件映射得到,本文就不详细讲这个了,有时间再补充。现在讲一下随机变量的基本类型与随机标量的独立性。离散型随机变量当我们的sample space Ω\OmegaΩ的outcome都是discrete的时候,从事件的sample space映射到随机变量的sample space的outcome也是discrete的,这样的话我们称该随机变量是离散的。如掷骰子只有6种可能的结果;某路口一个月车祸的数量可以取0,1,2,…对于离散型随机变量,我们通原创 2020-07-15 23:20:12 · 687 阅读 · 0 评论 -
概率论与数理统计(一)
本文主要讲了什么是事件,事件与概率的关系,事件常见的分类,事件的基本关系及运算,什么是条件概率以及由条件概率引出的事件独立性,由事件独立性引出来的概率0乘法定理,概率的三条公理。文章目录事件与概率概率的三条公理事件的关系与运算条件概率与事件的独立性事件与概率当我们讲概率呢,我们得首先明确概率的对象,即什么东西拥有概率,纵观各种概率论教科书,第一章都是先从事件讲起,比如“明天下雨”这一事件发生的概率是多少呀?即概率描述的对象一般都是事件。在概率论中,什么是事件呢?事件就是对某种情况的描述,比如我可以这原创 2020-07-15 21:48:58 · 696 阅读 · 0 评论 -
高斯判别分析(GDA)和朴素贝叶斯(NB)
生成模型和判别模型监督学习一般学习的是一个决策函数y=f(x)y=f(x)y=f(x)或者是条件概率分布p(y∣x)p(y|x)p(y∣x)。判别模型直接用数据学习这个函数或分布,例如Linear Regression和Logistic Regression。生成模型是先用数据学习联合概率分布p(x,y)p(x,y)p(x,y),然后使用贝叶斯公式求p(y∣x)p(y|x)p(y∣x)p(...转载 2020-03-16 17:47:53 · 653 阅读 · 0 评论 -
详解最大似然估计(MLE)、最大后验概率估计(MAP),以及贝叶斯公式的理解
最大似然估计(Maximum likelihood estimation, 简称MLE)和最大后验概率估计(Maximum a posteriori estimation, 简称MAP)是很常用的两种参数估计方法,如果不理解这两种方法的思路,很容易弄混它们。下文将详细说明MLE和MAP的思路与区别。但别急,我们先从概率和统计的区别讲起。概率和统计是一个东西吗?概率(probabilty)和...转载 2020-03-05 12:46:57 · 902 阅读 · 0 评论