机器学习中的数学
高数和概率论相关知识,方便查阅
西檬饭
这个作者很懒,什么都没留下…
展开
-
向量的基本运算
向量是什么向量就是给定一个点A,连接原点到点A,并具有由O到A方向的连线,表示为OA→OA→\vec{OA}. 书本的定义:向量就是具有大小和方向东西。 大小(magnitude)向量的大小(magnitude)写作∥x∥‖x‖\Vert x \Vert,称为模(norm). 通过(Pythagoras’ theorem)毕达哥拉斯定理求模如下图, OA2=OB2+A...翻译 2018-09-13 18:54:53 · 50059 阅读 · 9 评论 -
平面方程与点到平面的距离
平面方程与点到平面的距离1. 平面的点法式方程过空间的一点,与已知直线垂直的平面只有一个。因此,给定平面上的一点和垂直于该平面的一个非零向量,平面就确定了。 这就是所谓的点法式方程的基础。(1)法向量:任意垂直与一个平面的向量被称为法向量。 法向量有无数个。(2)平面的点法式方程:假设平面上的一个点M0(x0,y0,z0)M0(x0,y0,z0)M_0(x_...原创 2018-09-13 15:02:22 · 27592 阅读 · 2 评论 -
参数估计回顾
基本概念:总体,样本,统计量总体:试验的全部可能值,使用XXX表示 样本:通过一定规则(放回抽样,不放回抽样)抽取得到一个样本或者一组样本。 一个个抽取得到的每一个特体也成为一个样本;一次抽取n个得到一组样本,n称为样本容量。 样本也看做是一个 随机向量 表示(X1,X2,X3,...,Xn)(X1,X2,X3,...,Xn)(X_1,X_2,X_3,...,X_n)。在抽样实施之...原创 2018-04-08 15:04:04 · 470 阅读 · 0 评论 -
概率论中的基本公式
1.条件概率事件A已经发生的条件下,事件B发生 P(B|A)=P(AB)P(A)P(B|A)=P(AB)P(A)P(B|A)=\frac {P(AB)}{P(A)}2.乘法定理P(AB)=P(B|A)P(A)P(AB)=P(B|A)P(A)P(AB)=P(B|A)P(A) 推广多个事件的积事件 P(ABC)=P(C|AB)P(B|A)P(A)P(ABC)=P(C|AB)P(B...原创 2018-03-25 17:01:53 · 31668 阅读 · 0 评论 -
期望、方差、协方差和协方差矩阵
期望离散随机变量的X的数学期望:E(X)=∑k=1∞xkpkE(X)=∑k=1∞xkpkE(X) = \sum_{k=1}^{\infty}x_kp_k 连续型随机变量X的数学期望:E(X)=∫+∞−∞xf(x)dxE(X)=∫−∞+∞xf(x)dxE(X) = \int_{-\infty}^{+\infty}xf(x)dx 常见分布的期望1)泊松分布的期望...原创 2018-06-07 17:10:58 · 68846 阅读 · 7 评论 -
统计量描述
一篇使用Python进行描统计量描述的好文。 下面是其目录的摘录,具体的参看原文。目录 1 描述性统计是什么? 2 使用NumPy和SciPy进行数值分析 2.1 基本概念 2.2 中心位置(均值、中位数、众数) 2.3 发散程度(极差,方差、标准差、变异系数) 2.4 偏差程度(z-分数) 2.5 相关程度(协方差,相关系数) 2.6 回顾 3 使...原创 2018-06-25 20:09:10 · 1434 阅读 · 0 评论