Python数学基础
Python数学基础
CodingALife
这个作者很懒,什么都没留下…
展开
-
联合概率、边际概率、条件概率
一时忘了联合概率、边际概率、条件概率是怎么回事,回头看看。某离散分布:联合概率、边际概率、条件概率的关系:其中, Pr(X=x, Y=y)为“XY的联合概率”; Pr(X=x)为“X的边际概率”; Pr(X=x | Y=y)为“X基于Y的条件概率”; Pr(Y=y)为“Y的边际概率”;从上式子中可以看到: Pr(X=x, Y=y) = Pr(X=x | Y=y) *...转载 2018-07-25 10:24:21 · 3458 阅读 · 0 评论 -
全概率公式和贝叶斯公式
一、条件概率公式 举个例子,比如让你背对着一个人,让你猜猜背后这个人是女孩的概率是多少?直接猜测,肯定是只有50%的概率,假如现在告诉你背后这个人是个长头发,那么女的概率就变为90%。所以条件概率的意义就是,当给定条件发生变化后,会导致事件发生的可能性发生变化。 条件概率由文氏图出发,比较容易理解: 表示B发生后A发生的概率,由上图可以看出B发生后,A再发生的概率...转载 2018-07-28 21:10:59 · 32312 阅读 · 9 评论 -
求约束条件下极值的拉格朗日乘子法
1、对于无约束条件的函数求极值,主要利用导数求解法例如求解函数f(x,y)=x3-4x2+2xy-y2+1的极值。步骤如下:(1)求出f(x,y)的一阶偏导函数f’x(x,y),f’y(x,y)。f’x(x,y) = 3x2-8x+2yf’y(x,y) = 2x-2y(2)令f’x(x,y)=0,f’y(x,y)=0,解方程组。3x2-8x+2y = 02x-2y = ...转载 2018-07-26 09:40:08 · 31125 阅读 · 1 评论 -
各种熵总结
一、什么是熵Ⅰ.信息量首先考虑一个离散的随机变量x,当我们观察到这个变量的一个具体值的时候,我们接收到多少信息呢? 我们暂时把信息看做在学习x的值时候的”惊讶程度”(这样非常便于理解且有意义).当我们知道一件必然会发生的事情发生了,比如往下掉的苹果.我们并不惊讶,因为反正这件事情会发生,因此可以认为我们没有接收到信息.但是要是一件平时觉得不可能发生的事情发生了,那么我们接收到的信息要大得...转载 2018-07-26 10:10:07 · 3967 阅读 · 0 评论 -
似然函数的理解
一直对贝叶斯里面的似然函数(likelihood function),先验概率(prior),后验概率(posterior)理解得不是很好,今天仿佛有了新的理解,记录一下。看论文的时候读到这样一句话:原来只关注公式,所以一带而过。再重新看这个公式前的描述,细思极恐。the likelihood function of the parameters θ = {w,α,β} given...转载 2018-07-29 09:10:00 · 7847 阅读 · 4 评论 -
python之Boostrap自助法介绍
介绍英语Bootstrap的意思是靴带,来自短语:“pull oneself up by one′s bootstrap”,18世纪德国文学家拉斯伯(Rudolf Erich Raspe)的小说《巴龙历险记(或译为终极天将)》(Adventures of Baron Munchausen) 记述道:“巴龙掉到湖里沉到湖底,在他绝望的时候,他用自己靴子上的带子把自己拉了上来。”现意指不借助别人的...原创 2018-07-26 17:01:44 · 13464 阅读 · 3 评论 -
欧几里得距离、曼哈顿距离和切比雪夫距离
闵可夫斯基距离:1、p为2时是欧几里得距离:两个点之间的距离,也即通常情况下,我们所计算的距离,n维空间中的欧式距离的计算公式为:2、p为1时是 曼哈顿距离:两个点在标准坐标系上的绝对轴距总和,在2维空间中的计算公式为:3、切比雪夫距离:各坐标数值差的最大值,在2维空间中的计算公式为:...原创 2018-08-03 09:55:28 · 2009 阅读 · 0 评论