![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数理基础
像我这样迷茫的人
这个作者很懒,什么都没留下…
展开
-
点过程 Summary
1. 点过程的分支①从矩的观点出发,目的主要是基于由观测数据估计得到的各种不同的矩函数做模型拟合。②用点过程的随机强度描述模型。齐次泊松过程可以用它的常数来表征,而非齐次泊松过程的强度则是时间t的函数。条件泊松过程:则是以某一随机过程为强度。2.齐次泊松过程齐次泊松过程的叠加: ...原创 2018-11-23 16:26:40 · 3089 阅读 · 0 评论 -
支持向量机基本原理介绍
上;https://blog.csdn.net/m0_37622530/article/details/80820908下:https://blog.csdn.net/m0_37622530/article/details/80933282原创 2019-01-30 15:18:34 · 1565 阅读 · 0 评论 -
你真的了解EM算法吗?
众所周知,极大似然估计是一种应用很广泛的参数估计方法。例如我手头有一些东北人的身高的数据,又知道身高的概率模型是高斯分布,那么利用极大化似然函数的方法可以估计出高斯分布的两个参数,均值和方差。这个方法基本上所有概率课本上都会讲,我这就不多说了,不清楚的请百度。 然而现在我面临的是这种情况,我手上的数据是四川人和东北人的身高合集,然而对于其中具体的每一个数据,并没有标定出它来自“东北人”还是“...原创 2019-03-14 15:32:06 · 811 阅读 · 0 评论 -
深入理解机器学习---从原理到算法 引言及简易入门
1.为什么需要机器学习?机器学习的分类过于复杂的任务 适应性监督学习和无监督学习 主动学习被动学习 老师的帮助2.一般模型①学习器的输入:领域 标签 训练数据②输出:训练集中的数据如何产生:首先依据概率分布D产生数据,然后利用正确的指示函数给出其标签()假设正确的指示函数存在。衡量成功:3.训练误差4.如何解决ERM下的过拟合情况(在受限的搜索空...原创 2019-03-20 18:29:54 · 1051 阅读 · 0 评论 -
深入理解机器学习---从原理到算法 PAC学习模型
1.数学描述2.不可知PAC学习改进X*Y,概率分布空间贝叶斯最优预测器:3.广义损失函数下的不可知PAC学习原创 2019-03-20 19:32:47 · 1994 阅读 · 0 评论 -
泊松分布最强科普
https://en.wikipedia.org/wiki/Poisson_distribution#Probability_of_events_for_a_Poisson_distribution原创 2019-03-12 20:13:48 · 586 阅读 · 0 评论 -
数据挖掘英文视频教程集锦
Please Note: UC Berkeley course videos to be taken offline on 15th March 2017. As per website, Beginning March 15, 2017, iTunesU Course Capture content will be removed. You may continue to use/downloa...原创 2019-03-25 11:31:21 · 636 阅读 · 0 评论 -
北美+德国18名校的数据挖掘、数据分析、人工智能及机器学习课程资源汇总
[+]QuoraWhat is Data Science?How do I become a Data Scientist?How does Data Science differ from traditional statistical analysis?Related CoursesConcepts in Computing ...原创 2019-03-25 11:34:07 · 439 阅读 · 0 评论 -
自组织神经网络 第一部分
版权声明:本文为博主原创文章,欢迎转载分享,请注明本文出自Bin的专栏:http://blog.csdn.net/xbinworld https://blog.csdn.net/xbinworld/article/details/50818803 </div> <div id="content_vie...转载 2019-03-30 10:30:54 · 442 阅读 · 0 评论 -
自组织神经网络 第二部分
版权声明:本文为博主原创文章,欢迎转载分享,请注明本文出自Bin的专栏:http://blog.csdn.net/xbinworld https://blog.csdn.net/xbinworld/article/details/50826892 </div> <div id="content_vie...原创 2019-03-30 10:31:36 · 284 阅读 · 0 评论 -
机器学习-凸优化理论-课堂笔记
转载地址: http://blog.csdn.net/JoyceWYJ/article/details/51580139前言 这节课主要介绍凸优化的入门知识,程博士推荐阅读Boy...原创 2019-04-12 20:55:42 · 338 阅读 · 0 评论 -
剩余寿命与年龄的极限分布
https://wenku.baidu.com/view/1e6253aa482fb4daa58d4bc7.html原创 2019-04-17 11:49:11 · 1858 阅读 · 0 评论 -
拉格朗日函数、对偶上升法、对偶分解法
https://blog.csdn.net/deepinc/article/details/79341632原创 2019-04-17 18:51:27 · 1136 阅读 · 0 评论 -
矩母函数 moment
矩生成函数维基百科,自由的百科全书跳到导航跳到搜索动差又被称为矩。随机变数X的动差生成函数或矩母函数(moment-generating function)定义为:前提是这个期望值存在。计算如果X具有连续概率密度函数f(x),则它的动差生成函数由下式给出:其中是第i个矩。是f(x)的双边拉普拉斯变换。不管概率分布是不是连续,动差生成函数都可以用黎曼...原创 2019-04-27 10:43:54 · 3736 阅读 · 0 评论 -
支持向量机SVM
考虑我们最初在“线性回归”中提出的问题,特征是房子的面积x,这里的x是实数,结果y是房子的价格。假设我们从样本点的分布中看到x和y符合3次曲线,那么我们希望使用x的三次多项式来逼近这些样本点。那么首先需要将特征x扩展到三维,然后寻找特征和结果之间的模型。我们将这种特征变换称作特征映射(feature mapping)。映射函数称作,在这个例子中我们希望将得到的特征映射后的特征应用于SVM分...原创 2019-01-30 14:43:35 · 132 阅读 · 0 评论 -
最近邻法和k-近邻法
https://www.cnblogs.com/21207-iHome/p/6084670.html原创 2019-01-22 19:11:50 · 911 阅读 · 0 评论 -
统计学习方法 李航版本 读书笔记
知识点进程和线程:进程和线程都是一个时间段的描述,是CPU工作时间段的描述,不过是颗粒大小不同.进程就是包换上下文切换的程序执行时间总和 = CPU加载上下文+CPU执行+CPU保存上下文.线程是共享了进程的上下文环境的更为细小的CPU时间段。 判别式模型和生成式模型:判别式模型直接学习决策函数f(X)或条件概率分布P(Y|X)作为预测的模型.往往准确率更高,并且可以简化学习问题.如k近邻...原创 2019-01-26 18:19:30 · 639 阅读 · 0 评论 -
大偏差原理summary
大偏差理论包括稀有事件概率的渐进结果以及得到这一结果所需的方法。大偏差在概率应用方面非常活跃,并且在极端事件的金融问题的应用中有着重要的作用。...原创 2018-11-23 16:30:58 · 6785 阅读 · 0 评论 -
什么是泊松分布?什么是泊松过程?
1.泊松分布需要满足的条件(小概率事件,事件之间相互独立,概率是稳定的)公式如下所示:2. 泊松分布与二项分布之间的关系泊松分布由二项分布演进而来。二项分布十分好理解,给你n次机会抛硬币,硬币正面向上的概率为p,问在这n次机会中有k次(k<=n)硬币朝上的概率为多少?在这n次抛硬币中,硬币朝上的次数的期望有多少?如果现在我能根据n的大小来控制p,从而控制这个期望,...原创 2018-11-17 16:59:57 · 18250 阅读 · 0 评论 -
什么是KTT条件?
最优化问题可以根据目标函数和约束条件的类型进行分类:1).如果目标函数和约束条件都为变量的线性函数,称为最优化问题为线性规划;2).如果目标函数为变量的二次函数,约束条件为线性函数,称为二次规划;3)如果目标函数或者约束条件为变量的非线性函数,称改最优化问题为非线性规划KKTKKT条件是指在满足一些有规则的条件下,一个非线性规划问题能有最优化的一个必要和充分条件,这是一个广义话...原创 2018-11-14 13:08:34 · 6437 阅读 · 0 评论 -
泊松过程 summary
1.计数过程①任意不相交的时间间隔内,事件的发生是彼此独立的(独立增量过程)2.泊松过程原创 2018-11-24 16:52:38 · 358 阅读 · 0 评论 -
什么是一致收敛?
原创 2018-11-26 15:51:48 · 11114 阅读 · 0 评论 -
The Exponential Distribution and the Poisson Process :指数分布与泊松过程 第一篇
1.介绍做出符合实际情况的假设是必要的,但是不能假设太少,与实际情况不符合。指数分布的无记忆性(不随着时间恶化,物品的使用寿命)①指数分布的定义 分布函数:指数分布的均值:矩母函数:moment generating functionX所有的矩都可以通过对矩母函数进行求导(可多阶)得到,比如:2.指数分布的无记忆性定义:利用条件概率可...原创 2018-12-13 18:44:48 · 1299 阅读 · 0 评论 -
The Exponential Distribution and the Poisson Process :指数分布与泊松过程 第二篇
1.计数过程一段时间内时间发生的次数:N(t),必须满足四条性质:独立增量:不相交的时间段内时间发生的次数彼此独立!!稳定增量;事件发生的次数只与时间间隔长度有关与时间的起点无关2.泊松分布一段时间间隔内事件发生的次数服从泊松分布。证明泊松分布很难,我们给出等价的定义:3.泊松分布的时间间隔分布定义:第n-1次事件发生到第n次事件发生流失的时间记为Tn,T1...原创 2018-12-13 20:11:16 · 486 阅读 · 0 评论 -
数学中随机性和不确定性有何不同?
问题引入:随机变量不算是统计中的概念,是概率论中的,作为定义在某个概率空间上的可测函数,在概率空间固定的情况下,不确定性指的是事件属于概率空间的真子集(如果确定,就是概率空间本身),随机性指的是某个子集发生,因为事件总会发生,...原创 2018-12-13 20:21:04 · 6269 阅读 · 1 评论 -
Lipschitz连续,一致连续
.1.2.原创 2018-12-07 10:35:27 · 8925 阅读 · 0 评论 -
什么是奇异值分解(SVD)?
一、奇异值与特征值基础知识: 特征值分解和奇异值分解在机器学习领域都是属于满地可见的方法。两者有着很紧密的关系,我在接下来会谈到,特征值分解和奇异值分解的目的都是一样,就是提取出一个矩阵最重要的特征。先谈谈特征值分解吧: 1)特征值: 如果说一个向量v是方阵A的特征向量,将一定可以表示成下面的形式: 这时候λ就被称为特征向量v对应的特征值,一个矩阵的一组特...原创 2018-12-23 11:25:20 · 6402 阅读 · 6 评论 -
向量的点乘和叉乘
向量的内积(点乘)定义概括地说,向量的内积(点乘/数量积)。对两个向量执行点乘运算,就是对这两个向量对应位一一相乘之后求和的操作,如下所示,对于向量a和向量b: a和b的点积公式为:这里要求一维向量a和向量b的行列数相同。注意:点乘的结果是一个标量(数量而不是向量)定义:两个向量a与b的内积为 a·b = |a||b|cos∠(a, b),特别地,0·a =a·0 = ...原创 2018-12-23 12:49:14 · 414 阅读 · 0 评论 -
Pareto最优解 Pareto分布
1.该定律是指绝大多数的问题或缺陷产生于相对有限的起因。就是常说的二八定律,即20%的原因造成80%的问题。在帕累托分布中,如果X是一个随机变量, 则X的概率分布如下面的公式所示: 其中x是任何一个大于xmin的数,xmin是X最小的可能值(正数),k是为正的参数。帕累托分布曲线族是由两个数量参数化的:xmin和k。分布密度则为 帕累托分布属于连续概率分布。 “吉...原创 2018-12-30 10:08:36 · 51464 阅读 · 0 评论 -
寒假专栏之深度学习 线性代数
1.①张量在某些情况下,我们会讨论坐标超过两维的数组。一般地,一个数组中的元素分布在若干维坐标的规则网格中,我们称之为张量。②矩阵乘积运算为 元素对应乘积(element-wise product)或者 Hadamard 乘积(Hadamard product),记为 A ⊙ B一个列向量线性相关的方阵被称为 奇异的(singular)。2.范数范数(包括 Lp 范...原创 2019-01-10 19:15:39 · 152 阅读 · 0 评论 -
解析解与数值解
在解组件特性相关的方程式时,大多数的时候都要去解偏微分或积分式,才能求得其正确的解。依照求解方法的不同,可以分成以下两类:解析解和数值解。解析解(analytical solution)就是一些严格的公式,给出任意的自变量就可以求出其因变量,也就是问题的解, 他人可以利用这些公式计算各自的问题.所谓的解析解是一种包含分式、三角函数、指数、对数甚至无限级数等基本函数的解的形式。用来求得解...原创 2019-04-23 11:36:54 · 3411 阅读 · 0 评论