math
链巨人
这个作者很懒,什么都没留下…
展开
-
极大似然估计法
极大似然估计法是求估计的另一种方法。它最早由高斯提出。后来为费歇在1912年的文章中重新提出,并且证明了这个方法的一些性质。极大似然估计这一名称也是费歇给的。这是一种上前仍然得到广泛应用的方法。它是建立在极大似然原理的基础上的一个统计方法,极大似然原理的直观想法是:一个随机试验如有若干个可能的结果A,B,C,…。若在一次试验中,结果A出现,则一般认为试验条件对A出现有利,也即A出现的概率很大。转载 2017-08-16 14:13:26 · 2453 阅读 · 0 评论 -
梯度下降原理及线性回归代码实现(python/java/c++)
“梯度下降”顾名思义通过一步一步迭代逼近理想结果,当达到一定的精度或者超过迭代次数才退出,所以所获得的结果是一个近似值。在其他博客上面基本都有一个通俗的比喻:从山顶一步步下山。下面将用到几个概念: - 步长:移动一步的长度。 - 维度:一个空间的表示方式,通常一个模型参数表示一个维度。比如(x,y)表示的是2维空间。 - 梯度:最陡的那个方向。通过求导获得。如果是某一维度的梯度,表示在该维度上原创 2017-08-17 23:15:19 · 6409 阅读 · 2 评论 -
PCA的数学原理(通俗易懂)
PCA(Principal Component Analysis)是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示,可用于提取数据的主要特征分量,常用于高维数据的降维。网上关于PCA的文章有很多,但是大多数只描述了PCA的分析过程,而没有讲述其中的原理。这篇文章的目的是介绍PCA的基本数学原理,帮助读者了解PCA的工作机制是什么。当然我并不打算把文章写成转载 2017-09-10 20:11:46 · 885 阅读 · 0 评论 -
贝叶斯公式的直观理解(先验概率/后验概率)
看了很多篇关于贝叶斯公式的博客,只有这一篇才让本人理解和明白。它通俗易懂,举例贴切,故转载于此,跟大家分享!前言以前在许学习贝叶斯方法的时候一直不得要领,什么先验概率,什么后验概率,完全是跟想象脱节的东西,今天在听喜马拉雅的音频的时候突然领悟到,贝叶斯老人家当时想到这么一种理论前提可能也是基于一种人的直觉.先验概率:是指根据以往经验和分析得到的概率.意思是说我们人有一个常识,比...转载 2019-08-20 18:34:41 · 455 阅读 · 0 评论