最优估计
文章平均质量分 82
hunter206206
业精于勤
展开
-
【最优估计学习笔记】贝叶斯公式的深入理解
贝叶斯公式在概率论和机器学习等学科中的地位和作用不需要我再多言,我认为用“核心”和“美”来形容丝毫不为过,但是很多同学可能还对贝叶斯公式的含义不是完全理解,如果光听课堂老师“PPT”复读机似的播放和各本书抄来抄去的概念描述和公式堆砌,想必大家也很难对其有更加深入的理解。下面说说我对贝叶斯公式的理解。在当下这个网络社会,我们每天都要盯着各种终端(手机、PC、PAD和电视等)的屏幕,盯时间长了,大家眼睛都不太好,都会患有不同程度的近视,最后视力越来越差,最后不得不戴上眼镜。所以大家无论是在地铁里还是学校课堂上原创 2021-11-11 18:00:19 · 724 阅读 · 0 评论 -
【最优估计学习笔记】条件概率
直接举例说明,如果我10天上班,有两天迟到了,那么请问我迟到的概率是多少?答案显而易见,我们可以用P(迟到)P(迟到)P(迟到)表示迟到的概率,则:P(迟到)=210=0.2P(迟到)=\frac{2}{10}=0.2P(迟到)=102=0.2这就叫做先验概率。当然,我迟到是有原因的,有可能使堵车造成的,那么在因为“迟到”引起“堵车”的这个事件中,“迟到”是一种事实结果,而造成迟到的原因是“堵车”,则“堵车”就是一种影响事实结果的条件,这种情况下就属于条件概率,在“堵车”的条件下发生“迟到”的概率就可以原创 2021-10-27 19:12:58 · 584 阅读 · 0 评论 -
【最优估计学习笔记】概率密度函数
概率密度函数是概率论里面最重要的概念之一,概率密度函数(Probability Density Functions,简称PDF)。定义一个随机变量,记为xxx,概率密度函数是描述xxx概率属性最重要的工具。定义概率密度函数表达为p(x)p(x)p(x),其为非负值即p(x)≥0p(x)≥0p(x)≥0,并在其所能取值的区间内积分值为1,即:$$$$...原创 2021-10-26 18:59:24 · 3594 阅读 · 0 评论