![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图书阅读
文章平均质量分 82
ldc1513
这个作者很懒,什么都没留下…
展开
-
数理统计期末复习笔记(二)
主要内容:贝叶斯估计,统计决策,偏差分析,线性回归原创 2022-12-22 11:05:24 · 571 阅读 · 0 评论 -
数理统计期末复习笔记(一)
主要内容:数据压缩,点估计,假设检验,区间检验,贝叶斯估计,统计决策,偏差分析,线性回归原创 2022-12-22 11:03:44 · 1206 阅读 · 0 评论 -
More Math into LaTeX 读书笔记(一) Chapter1-4
前言:本读书笔记适合像笔者一样对LaTeX进行过临阵磨枪的粗浅学习,有熟练使用的经验,但是又希望系统学习一些进阶技巧的读者食用。如果对英文水平比较有信心,非常推荐阅读原著:click here——————————分割线——————————More Math into LaTex: George GrätzerPart I Short CourseChapter 1 Your Latex三个很有用的工具Synchronization (跳转到源)Block Comment (注释):%原创 2021-05-10 13:53:02 · 236 阅读 · 0 评论 -
图论学习笔记(七)支配集,覆盖集,独立集,匹配
前言:参考教材:《集合论与图论》第三版 屈婉玲,刘捍贫,刘田13.1 支配集、点覆盖集、点独立集支配集:G为无向图,若V*为V(G)的子集,且对任意v_i属于V-V*,都存在V*中的一个点和v_i关联,则称V*为G的支配集;如果V*的任何子集都不是支配集,则成为极小支配集;顶点数最少的支配集称为最小支配集,其中的顶点个数称为支配数,记为γ_0(G),简记为γ_0Theorem:无向图G中无孤立顶点(但可以不连通),V_1*为一个极小支配集,则V-V_1*中也存在一个极小支配集V_2*Proof:只需原创 2021-01-12 16:56:04 · 2038 阅读 · 1 评论 -
图论学习笔记(六) 图的着色
前言:参考教材:《集合论与图论》第三版 屈婉玲,刘捍贫,刘田第12章 图的着色12.1 点着色着色:对无环图G顶点的一种着色,是指对它的每个顶点涂上一种颜色,使得相邻的顶点涂不同的颜色;如果G是k-可着色的,则称对G进行了k-着色,如果G是k-可着色的,但不是(k-1)可着色的,则称G为k-色图,则称k为G的色数,记为χ(G)=kTheorem:χ(K_n)=n,奇圈和奇数阶轮图都是三色图;偶圈和偶数阶轮图都是二部图;χ(G)=2当且仅当G为非零二部图(应用:如果一个图中含有这些图作为子图,则这个图原创 2021-01-12 16:54:56 · 7397 阅读 · 0 评论 -
图论学习笔记(五)平面图
前言:参考教材:《集合论与图论》第三版 屈婉玲,刘捍贫,刘田第十一章 平面图本章讨论的图均为平面图11.1 平面图的基本概念平面图:如果G可以以除了顶点处以外没有边相交的方式画在平面π上,则称之为可嵌入平面π;如果无向图G可以嵌入平面π,则称为(可)平面图;否则称为非平面图约当曲线:自身不交的闭合曲线(始点和终点重合)约当定理:如果L是一条约当曲线,平面的其余部分被L分为了两个部分,内部和外部,则连接L的内部点和外部点的任何曲线必定与L相交Application:K_5和K_3,3不是平面图;原创 2021-01-12 16:51:02 · 5812 阅读 · 0 评论 -
图论学习笔记(四)图的矩阵表示
前言:参考教材:《集合论与图论》第三版 屈婉玲,刘捍贫,刘田第十章 图的矩阵表示10.1关联矩阵本节要求图是无环图,顶点和边是标定的,并且加法是mod2意义下的有向图的关联矩阵:D=<V,E>为无环有向图,V={v_1,…,v_n},E={e_1,…,e_m},定义n*m阶矩阵[m_ij]:m_ij=1,若v_i为e_j的始点;m_ij=0,若v_i与e_j不关联;m_ij=-1,若v_i为e_j的终点Property:(1)每一列恰有一个1和一个-1,其余为0(2)第i行1的个数为原创 2021-01-12 16:49:20 · 3816 阅读 · 0 评论 -
图论学习笔记(三) 树
前言:参考教材:《集合论与图论》第三版 屈婉玲,刘捍贫,刘田第九章 树9.1 无向树的定义及性质无向树:连通且无回路(简单/初级)的无向图称为无向树,记为T;若无向图G中至少有两个连通分支且每个连通分支都是树,则称F为森林,平凡图称为平凡树树叶/分支点:T=<V,E>为一颗无向树,若d(v)=1,则称为一个树叶;若d(v)≥2,则称为一个分支点。(如果n≥2,则树中的顶点要么是树叶,要么是分支点;但是n=1的时候平凡图中仅有的一个顶点既不是树叶也不是分支点)Theorem:G为n阶m边原创 2021-01-12 16:47:55 · 5776 阅读 · 0 评论 -
图论学习笔记(二) 欧拉图和哈密尔顿图
前言:参考教材:《集合论与图论》第三版 屈婉玲,刘捍贫,刘田第八章 欧拉图和哈密尔顿图8.1 欧拉图欧拉通路/回路:通过图中所有边恰好一次的并且行遍所有顶点的通路/回路欧拉图/半欧拉图:具有欧拉回路/不具有欧拉回路但具有欧拉通路的图**Theorem:(无向欧拉图的判定)**如果G是无向连通图,则以下三个命题等价:(1)G是欧拉图(2)G中所有顶点的度数均为偶数(3)G是若干个边不重的圈的并Theorem:(有向欧拉图的判定)如果D是有向连通图,则以下三个命题等价:(1)D是欧拉图(2)任意v∈原创 2021-01-12 16:45:54 · 2089 阅读 · 0 评论 -
图论学习笔记(一) 图
前言:参考教材:《集合论与图论》第三版 屈婉玲,刘捍贫,刘田第七章 图7.1 图的基本概念无向图:有序二元组G=<V,E>,其中V≠∅称为G的顶点集,可记为V(G),E称为边集,可记为E(G),它是无序积V&V的多重子集(vi到vj可以连多条边),其元素称为无向边有向图:有序二元组D=<V,E>,其中V≠∅称为D的顶点集,可记为V(D),E称为边集,可记为E(D),它是有序积V×V的多重子集(vi到vj可以连多条边),其元素称为有向边阶数:如果一个图有n个顶点,就记原创 2021-01-12 16:42:07 · 7043 阅读 · 1 评论 -
Machine Learning——A Probabilistic Approach学习笔记 第二章 概率(总结版)
2.1引言本书采用贝叶斯解释(概率是我们对事件的发生可能的预期)2.2基本概念离散随机变量:概率:p(A) 条件概率:p(A|B) 联合概率:p(A,B) 乘法原理:p(A,B)=p(A|B)p(B) 加法原理: 贝叶斯法则: 无条件独立: 条件独立:连续随机变量:累积分布函数,cdf:,性质:单调递增,反函数存在,小于1 概率密度函数,pdf:,性质:非负,可大于1,积分为1重要数据:均值: 方差:2.3常见离散分布二项分布,多项分布,伯努利分...原创 2020-08-04 17:33:51 · 594 阅读 · 0 评论 -
Machine Learning——A Probabilistic Approach学习笔记 第二章 概率
12原创 2020-08-04 15:53:09 · 4783 阅读 · 0 评论 -
Machine Learning——A Probabilistic Approach学习笔记 第一章 简介
第一章 简介(Introduction)1.1 机器学习:what&why数据洪流使得自动数据处理时代降临 机器学习的目的:自动学习数据模式 essential:概率论 跨领域的数据有一种“长尾”的特征,即少数常见而多数罕见,这意味着即使本书只关心较小的样本集合,得到的结果也同样有意义。1.1.1机器学习的类型:机器学习往往分为两类:有监督(supervised)学习和无监督(unsupervised)学习有监督学习: 通过学习训练集{Xi,Yi}(i=1~N...原创 2020-07-18 06:48:36 · 1071 阅读 · 0 评论 -
Machine Learning——A Probabilistic Approach学习笔记 序言
序言(preface)简介(Introduction):电子数据的涌入为自动化数据分析的需求创造了条件 机器学习的目标:探测数据模式,寻找一般规律 这本书提供了该领域的详细介绍概率论方法(A probabilistic approach):本书观点:机器从数据中进行学习的最好方法是使用概率论作为工具 对任何基于推理的问题,概率推断都是一个可靠的方法 事实上,这种方法称为“贝叶斯方法” 我们所强调的是基于模型的方法——对任何给定的模型,都存在许多可用的算法;同样的,任意一个算法都存在许原创 2020-07-15 23:37:18 · 303 阅读 · 0 评论