数理基础
huataiwang
这个作者很懒,什么都没留下…
展开
-
齐次变换
齐次变换一直对齐次坐标这个概念的理解不够彻底,博客上看到一篇关于透视投影变换的探讨的文章,其中有对齐次坐标有非常精辟的说明。由于作者对齐次坐标真的解释的不错,我就原封不动的摘抄过来:对于一个向量v以及基oabc,可以找到一组坐标(v1,v2,v3),使得v = v1 a + v2 b + v3 c (1)而对于一个点p,则可以找到一组坐标(p1,p2,p3),使得 p –...转载 2018-09-26 21:43:42 · 4983 阅读 · 0 评论 -
小波学习资料汇总
小波学习最近在做图像处理方面时要用到小波变换,由此将学习的轨迹进行整理,便于查询,同时作为分享方便小波变换的入门与理解简单易懂的小波可以查看以下https://zhuanlan.zhihu.com/p/22450818?refer=dong5形象易懂讲解算法I——小波变换。这篇写的不错,但看完后似懂非懂意犹未尽可以参看原文,但由于原文(英文)的连接失效了,但找到了搬运到国内的翻译版本...原创 2018-11-12 18:29:56 · 505 阅读 · 0 评论 -
几种距离度量方法比较
欧氏距离(Euclidean Distance)欧氏距离是最容易直观理解的距离度量方法,我们小学、初中和高中接触到的两个点在空间中的距离一般都是指欧氏距离。二维平面上点a(x1,y1)与b(x2,y2)间的欧氏距离:三维空间点a(x1,y1,z1)与b(x2,y2,z2)间的欧氏距离:n维空间点a(x11,x12,…,x1n)与b(x21,x22,…,x2n)间的欧氏距离(两个n...转载 2019-02-04 13:20:43 · 10928 阅读 · 0 评论 -
极大似然估计
前言参数估计是机器学习里面的一个重要主题,而极大似然估计是最传统、使用最广泛的估计方法之一。本文主要介绍了极大似然估计,简单说明了其和矩估计、贝叶斯估计的异同,其他估计(如MAP)并不涉及。为什么要用极大似然估计对于一系列观察数据,我们常常可以找到一个具体分布来描述,但不清楚分布的参数。这时候我们就需要用极大似然估计来求解这个分布的参数。换句话说,极大似然估计提供了一种给定观察数据来评...转载 2019-02-04 15:34:09 · 2773 阅读 · 0 评论 -
最小二乘法
前言最小二乘法在统计学的地位不必多言。本文的目的是全面地讲解最小二乘法,打好机器学习的基础,后面的系列文章会继续讲解最小二乘的正则化。至于非线性最小二乘和广义线性模型,如果以后有时间会进行整理。核心思想最小二乘法是勒让德( A. M. Legendre)于1805年在其著作《计算慧星轨道的新方法》中提出的。它的主要思想就是求解未知参数,使得理论值与观测值之差(即误差,或者说残差)的平方...转载 2019-02-04 17:39:44 · 71516 阅读 · 2 评论 -
马尔可夫系列&最大熵模型
看懂后看这个总结马尔科夫过程,马尔科夫链,隐马尔科夫模型https://blog.csdn.net/Cute_zhugoing/article/details/79747992马尔科夫链经典案例 PageRankhttps://blog.csdn.net/guoziqing506/article/details/70702449详细学习马尔可夫个人简介,马尔可夫链https://ww...原创 2019-02-05 17:50:30 · 377 阅读 · 0 评论 -
贝叶斯网络与马尔科夫随机场MRF
用图解法代表概率分布有很大优势,这种方法为概率图模型马尔科夫场(马尔科夫随机场MRF)即无向图模型,贝叶斯网络即有向图模型贝叶斯网络与隐马尔科夫模型简单介绍https://terrifyzhao.github.io/2018/03/06/贝叶斯网络.html详细讲解贝叶斯网络(Bayesian network))简介(PRML第8.1节总结)概率图模型(Graphical mode...原创 2019-02-05 22:26:54 · 1366 阅读 · 0 评论 -
分布及检验汇总(未完待续)
T检验,亦称student t检验(Student’s t test),主要用于样本含量较小(例如n < 30),总体标准差σ未知的正态分布。 [1] T检验是用t分布理论来推论差异发生的概率,从而比较两个平均数的差异是否显著。它与f检验、卡方检验并列。t检验是戈斯特为了观测酿酒质量而发明的,并于1908年在Biometrika上公布卡方检验就是统计样本的实际观测值与理论推断值之间的偏...原创 2019-03-10 11:30:12 · 681 阅读 · 0 评论