七月机器学习之数理统计与参数估计2

最新推荐文章于 2024-09-07 10:28:21 发布
最新推荐文章于 2024-09-07 10:28:21 发布
阅读量489 收藏
点赞数
分类专栏： 七月机器学习之基础数学理论 文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qiujiahao123/article/details/65937195
版权

概率是已经知道整体求某一个事件的概率，统计是已经知道某一个事件的概率求整体的分布情况

这里写图片描述

非常重要:
这里写图片描述

这里写图片描述

方差用于衡量随机变量偏离期望的程度
这里写图片描述

协方差非常重要:面试经常问
这里写图片描述

这里写图片描述

这里写图片描述

这里写图片描述

这里写图片描述

可基于协方差矩阵来筛选特征
这里写图片描述

这里写图片描述

这里写图片描述

这里写图片描述

这里写图片描述

二阶导数大于0，即斜率在增加就是凸函数
这里写图片描述

这里写图片描述

这里写图片描述

这里写图片描述

这里写图片描述

这里写图片描述

这里写图片描述

这里写图片描述

这里写图片描述

这里写图片描述

这里写图片描述

这里写图片描述

一个人的旅行qiu
关注
专栏目录
七月算法机器学习2 数理统计与参数估计1
moonlightpeng的博客
06-20 323
目录 概率与统计的关注点 概率统计与机器学习的关系​ 重要统计量​ 期望​ 方差 协方差​ 协方差的意义 协方差应用到机器学习中 Pearson相关系数 协方差矩阵 相关系数矩阵 再谈独立与不相关 矩 统计参数的总结 概率与统计的关注点 概率统计与机器学习的关系 统计估计的是分布，机器学习训练出来的是模型，模型可能包含了很多分布。 训练与预测过程的一个核心评价指标就是模型的误差。 误差本身就可以是概率的形式，与概率紧密相关。 对误差的不同定义方式就演.
七月算法机器学习2 数理统计与参数估计2
moonlightpeng的博客
06-20 355
重要定理与不等式 Jensen不等式 凸函数 凸函数的函数的期望小于期望的函数 思考 相关系数与距离相关， 可以用距离来表示两个特征的相关性 切比雪夫不等式 切比雪夫不等式到底是个什么概念? 大数定理 大数定律具体是个什么概念？ 伯努利定理 中心极限定理 用样本估计参数 为什么样本方差（sample variance）的分母是 n-1？ 贝叶斯公式 初探贝叶斯定理 极大似然估计 ...
七月算法机器学习笔记2 数理统计与参数估计
Tomorrow的专栏
04-07 781
七月算法(http://www.julyedu.com) 12月份 机器学习在线班 学习笔记
猪猪的机器学习笔记（二）数理统计与参数估计
anpiaoqin8799的博客
04-06 105
数理统计与参数估计 作者：樱花猪 摘要： 本文为七月算法（julyedu.com）12月机器学习第二次课在线笔记。数理统计与参数估计是机器学习中需要用到的一个非常重要的知识。在机器学习中，我们通常会拥有大量的学习样本，而机器学习则是根据这些样本的数据找到一个通用的模型。数理统计是机器学习的理论保障，而参数估计则是我们实际编程的依据。 引言： 数理统计这一部分在本...
数理统计与参数估计
会思考的蜗牛
05-30 4018
系统的学习概率论与数理统计是在大学二年级，当时还没有接触计算机应用的内容，仅把概率论作为一门纯数学课来学习，我们的老师当然也是数学系的。慢慢地发现概率论与数理统计是好多学科研究的基础，包括经济学、人工智能等等。鉴于它的重要性，有必要结合应用场景重新加深对概率论知识的理解。
七月算法机器学习笔记1--机器学习中的数学之数理统计和参数估计
thystar的专栏
04-25 2925
数理统计和参数估计 首先，看一下概率与统计的关注点 概率论问问题的方式： 已知总体的可能性，求某种事件发生的概率，如图所示：
2.数理统计与参数估计
aidway的专栏
05-05 4237
内容简介： A.重要统计量 B.重要定理与不等式 C.参数估计 A.重要统计量 一、概率与统计 概率：已知总体的分布情况，计算事件的概率 统计：总体分布未知，通过样本值估计总体的分布 二、概率统计与机器学习的关系 1.统计估计的是分布，机器学习训练出来的是模型，模型可能包含了多个分布。 2.训练与预测过程的一个核心评价指标是模型的误差。 3.误差可以是概率的形式，
数理统计与参数估计-七月算法（julyedu.com）4 月机器学习算法班学习笔记
卖小孩的咖啡
05-05 2616
概率统计 概率统计与机器学习的关系 统计量 期望 方差与协方差 重要定理和不等式 Jensen不等式 切比雪夫不等式 大数定理 中心极限定理以下内容摘抄于七月算法（julyedu.com）4 月机器学习算法班课堂讲义概率统计概率统计与机器学习的关系统计量期望 概念 性质 方差与协方差方差 协方差 协方差与独立/不相关 协方差的意义 重要定理和不等式Jensen不等式从概率的角度看Jensen
机器学习之概率论与数理统计基础知识-(1)马尔可夫和贝叶斯
学习笔记
06-15 6083
概率论与数理统计基础知识-(1)马尔可夫和贝叶斯
机器学习模型在滑坡易发性评价中的应用现状与发展趋势
罗伯特技术屋
07-28 90
0 引言地质灾害是世界范围内最为严重的灾害之一，我国是世界上地质灾害最为严重的国家之一，滑坡地质灾害尤为突出［1］。土质滑坡以我国西北地区的黄土滑坡最为典型，灾害分布范围广、财产损失数目巨大、人员伤亡数量惊人［2］。岩质滑坡以我国西南地区的喀斯特山体滑坡最为突出，规模大、隐蔽性强、破坏模式与动力响应机制极为复杂［3］。根据中国地质环境监测院发布的《全国地质灾害灾情通报》（2018-2019）［4］和自然资源部发布的《中国自然资源统计公报》（2020-2022）［5］灾情数据，在过去的5年时间内，全国共发生地
（三）从零开始学人工智能—数学基础:概率论与数理统计
weixin_45552760的博客
09-30 3646
概率论与数理统计 数理统计与机器学习有什么关系呢？哪些地方需要用到数理统计？ 实际上，二者关心的是同一件事，即我们从数据中学到了什么。事件的概率是衡量该事件发生的可能性的量度。虽然在一次随机试验中某个事件的发生是带有偶然性的，但那些可在相同条件下大量重复的随机试验却往往呈现出明显的数量规律。 机器学习除了处理不确定量，也需处理随机量。不确定性和随机性可能来自多个方面，使用概率论来量化不确定性。 ...
机器学习 - - - LR和SVM的联系与区别？
julyedu_7的博客
12-09 2317
解析一 LR和SVM都可以处理分类问题，且一般都用于处理线性二分类问题（在改进的情况下可以处理多分类问题） 区别： 1、LR是参数模型，svm是非参数模型，linear和rbf则是针对数据线性可分和不可分的区别； 2、从目标函数来看，区别在于逻辑回归采用的是logistical loss，SVM采用的是hinge loss，这两个损失函数的目的都是增加对分类影响较大的数据点的权重，减少与分类关系较小的数据点的权重。 3、SVM的处理方法是只考虑support vectors，也就是和分类最相关的少
基于 AC 驱动的电容结构 GaN LED 模型开发和应用
simucal的博客
09-06 539
为了深入理解该器件的工作原理，我司技术团队开发了基于 AC 驱动的物理解析模型，揭示了隧穿结降低器件工作电压的内在机理，丰富了研究人员对 AC 驱动 GaN LED 技术的理解，有助于进一步促进纳米尺寸显示技术的发展。图2（c）表明能带在-40 V 反向偏压下发生大幅弯曲，具有 TJ 结的 LED 可以提供更多的感应电子【见图2（d）】，在耗尽区电场的加速下碰撞离化，从而导致更低的反向导通电压。图2（e）进一步证明具有 TJ结的LED 结构的碰撞离化分布更宽，LED 的工作电压能够被有效降低。
[机器学习]线性回归算法
Letmooning的博客
09-06 474
利用回归方程（函数）对一个或多个自变量（特征值）和因变量（目标值）之间关系进行建模的一种分析方式。
【机器学习-监督学习】决策树
Morse_Chen的博客
09-07 1486
本文介绍了决策树模型的基本概念和最基础的决策树生成算法ID3算法，以及分类和回归树CART算法。然后动手实现了ID3算法的改进版本C4.5算法的决策树，并学会使用Sklearn中的决策树工具。
机器学习之实战篇——MNIST手写数字0~9识别（全连接神经网络模型）
2301_79376014的博客
09-06 1195
MNIST数据集是机器学习和计算机视觉领域中最知名和广泛使用的数据集之一。它是一个大型手写数字数据库，包含 70,000 张手写数字图像，60,000 张训练图像，10,000 张测试图像。每张图像是 28x28 像素的灰度图像素值范围从 0（白色）到 255（黑色），每张图像对应一个 0 到 9 的数字标签。在实验开始前，为了熟悉这个伟大的数据集，读者可以先做一下下面的小实验,测验你的手写数字识别能力。# 加载MNIST数据集# 随机选择100个样本# 显示图像plt.show()
【学习笔记】 陈强-机器学习-Python-Ch14 支持向量机
2201_76026029的博客
09-06 1190
本学习笔记 仅为以防自己忘记了，顺便分享给一起学习的网友们参考。如有不同意见/建议，可以友好讨论。本学习笔记 所有的代码和数据都可以从陈强老师的个人主页上下载陈强.机器学习及Python应用. 北京：高等教育出版社, 2021.数学原理等 详见陈强老师的PPT参考了：网友阡之尘埃的Python机器学习11——支持向量机。
机器学习（西瓜书）第 4 章 决策树
最新发布
m0_51448653的博客
09-07 1127
在第⑵种情形下，我们把当前结点标记为叶结点，并将其类别设定为该结点所含样本最多的类别；在第⑶种情形下，同样把当前结点标记为叶结点，但将其类别设定为其父结点所含样本最多的类别.注意这两种情形的处理实质不同：情形⑵是在利用当前结点的后验分布，而情形⑶则是把父结点的样本分布作为当前结点的先验分布.
机器学习中的数理统计与参数估计
"该资源是一份关于数理统计与参数估计的机器学习入门讲义，由七月算法龙老师编撰，旨在帮助学习者理解和应用概率统计在机器学习中的关键概念。" 在这份讲义中，龙老师首先进行了自我介绍，提到他具有丰富的互联网...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值