![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
统计学
文章平均质量分 74
guieraxbc
知识就是力量
展开
-
机器学习基础篇:感知机、线性判别、逻辑斯蒂回归、朴素贝叶斯
第二章、第四章、第六章大概了解第二章、第四章、第六章感知机感知机模型解决的问题模型形式学习策略感知机损失函数的由来求解算法线性判别逻辑斯蒂回归朴素贝叶斯感知机感知机是二类分类的线性分类模型,其输入为实例的特征向量,输出为实例的类别,取+1和-1二值。感知机对应于输入空间(特征空间)中将实例划分为正负两类的分离超平面,属于判别模型。感知机学习旨在求出将训练数据进行线性划分的分离超平面,为此,导入基于误分类的损失函数,利用梯度下降法对损失函数进行极小化,求得感知机模型。感知机学习算法具有简单而易于实现原创 2021-08-31 01:57:02 · 322 阅读 · 0 评论 -
关于频率派和贝叶斯派
关于频率派和贝叶斯派前言一、频率派二、贝叶斯派贝叶斯定理参考前言一、频率派简单地说,频率学派与贝叶斯学派探讨「不确定性」这件事时的出发点与立足点不同。频率学派从「自然」角度出发,试图直接为「事件」本身建模,即事件A在独立重复试验中发生的频率趋于极限p,那么这个极限就是该事件的概率。举例而言,想要计算抛掷一枚硬币时正面朝上的概率,我们需要不断地抛掷硬币,当抛掷次数趋向无穷时正面朝上的频率即为正面朝上的概率二、贝叶斯派然而,贝叶斯学派并不从试图刻画「事件」本身,而从「观察者」角度出发。贝叶斯学派并原创 2021-08-30 19:35:11 · 456 阅读 · 0 评论 -
【数理统计基础】随机变量和概率分布
前言随机变量和概率分布关于总体数据的模型。所谓随机变量的值表示的是数据值,概率分布要给出的是取某个数据值时所对应的概率,要么给出的是数据取某个或某些值时概率的计算准则。随机变量和概率分布前言变量随机变量概率分布一、离散型随机变量概率函数二项分布泊松分布几何分布二、连续型随机变量概率函数正态分布指数分布变量随机变量是对试验结果的数值描述随机变量示例:pandas 是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。概率分布随机变量的概率分布是描述随机变量取不同值的概率一、原创 2021-08-17 19:25:28 · 392 阅读 · 0 评论 -
正态分布、偏度及箱线图
前言参考:正态分布的峰度和偏度分别为_【1003】正态分布10种鉴别方法汇总【荐藏】数据描述正态分布:若随机变量X服从一个数学期望为μ、方差为σ2的正态分布,记为N(μ,σ2)。期望值μ决定了其位置,标准差σ决定了分布的幅度。当μ = 0,σ = 1时的正态分布是标准正态分布。实际应用中,许多数据集具有如图所示的对称的峰形或钟形分布,即正态分布。当数据被认为近似这种分布时,就可以运用经验法则来确定与平均数的距离在某个特定个数的标准差之内的数据值所占的比例,实际应用中可计算一些概率问题,类似购买的灯原创 2021-08-07 21:39:15 · 7055 阅读 · 0 评论