![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
统计学习
文章平均质量分 70
Xeon-Shao
这个作者很懒,什么都没留下…
展开
-
Excel根据颜色求和与计数
打开开发工具标签页–>点击–>点击插入-模块–>把代码复制到窗口中–>保存如果你也是Mac版本的Excel,发现没有开发工具这个标签页,可以按如下方法设置。点击左上角Excel,找到偏好设置->视图,勾选"开发工具"选项卡。原创 2023-06-21 14:24:43 · 2406 阅读 · 0 评论 -
K-Means聚类算法原理
K-Means算法是无监督的聚类算法,它实现起来比较简单,聚类效果也不错,因此应用很广泛。K-Means算法有大量的变体,本文就从最传统的K-Means算法讲起,在其基础上讲述K-Means的优化变体方法。包括初始化优化K-Means++, 距离计算优化elkan K-Means算法和大数据情况下的优化Mini Batch K-Means算法。1. K-Means原理初探 K转载 2017-09-15 16:32:54 · 483 阅读 · 0 评论 -
卡方分布
以上讲了一种称为服从正态分布的概率密度函数。今天,讲一讲服从”卡方分布“的概率密度函数。首先给出该函数的定义:”自由度“是公式中一个重要参数。自由度不同,图形的形状也完全不同!众所周知,直线方程中的参数k是斜率,它控制着直线的倾斜角度!它不同,图形不同!自由度与斜率相似,也是控制图形形状的参数!(只是这个图形没有倾斜度,而是类似于”驼峰“的形状)转载 2017-03-30 09:55:04 · 4211 阅读 · 0 评论 -
说说高斯过程回归
作者介绍:新浪微博ID @妖僧老冯, 9月将赴南京大学(直博生),方向是机器学习与数据挖掘 文章出处:我爱计算机编者:小便和作者打过几次交道,一直以为是他是已“修成正果”的某某博士,便“毕恭毕敬”地去邀请他写篇牛文。细聊之后才得知小伙子原来是90后,9月份才博士入学。这篇文章对GP进行了深度科普,数学公式是有一些的,但耐心读读,都不是问题的。高斯过程是机器学习领域一个基础的方法,同时又和转载 2016-03-21 21:40:22 · 3098 阅读 · 0 评论 -
协方差的意义和计算公式
本文转自http://blog.csdn.net/goodshot/article/details/8611178,所有权利归原作者所有。本文写的还是蛮清楚的,能让人比较清楚的明白什么是协方差,但是文章评论有人指出文章中存在错误,例如“相互独立一定不相关,不相关不一定独立”,具体看原文评论。协方差的意义和计算公式学过概率统计的孩子都知道,统计里最基本的概念就是样本的均值,方转载 2016-03-17 22:09:26 · 2401 阅读 · 0 评论 -
决策树之CART算法
本文转自http://blog.csdn.net/acdreamers/article/details/44664481,所有权力归原作者所有。在之前介绍过决策树的ID3算法实现,今天主要来介绍决策树的另一种实现,即CART算法。 Contents 1. CART算法的认识 2. CART算法的原理 3. CART算法的实现转载 2016-03-16 19:43:17 · 1175 阅读 · 0 评论 -
关于数据挖掘的something
数据挖掘(英语:Data mining),又译为资料探勘、数据采矿。它是数据库知识发现(英语:Knowledge-Discovery in Databases,简称:KDD)中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关,并通过统计、在线分析处理、情报检索、机器学习、专家系统(依靠过去的经验法则)和模式识别等诸多方法来实现上述目标。转载 2015-10-08 16:19:07 · 2908 阅读 · 0 评论 -
ARGMAX(以及ARGMIN)的意思
经常在FOLIE里看到argmax和argmin 无奈国内没学过今天上课又讲到 不学会实在不行啊。。。 于是WIKI了下http://de.wikipedia.org/wiki/Argminargmax: argumentum maximi论证最大?个人理解就是 以argmax取最大值时 将变量的取值赋值给式子反之就是argmin转载 2015-10-01 11:09:08 · 2981 阅读 · 0 评论 -
为什么同现矩阵*评分矩阵=推荐结果?
本文转自http://f.dataguru.cn/thread-229459-1-1.html,所有权力归原作者所有。对文章中一些描述比较含糊的地方作了修改。举一个 用户3 对 物品102 是否感兴趣的例子:用户3对所有物品的评分, 评分不为0说明用户3喜欢这东西用户ID物品ID1用户评分31转载 2015-07-25 17:19:56 · 1876 阅读 · 0 评论 -
Fisher线性判别(*)
本文转自http://blog.csdn.net/carson2005/article/details/6699939,仅供学习之用,另外原创 2014-11-03 16:00:04 · 1524 阅读 · 0 评论 -
一、Linear Regression
先定义好我们所使用的符号语言,大写的表示我们input的自变量,其中表示自变量有p个维度,也可以说其有p个feature或者p个属性,每个维度可以是离散的或者连续的值。大写的表示我们需要output的因变量,其中表示因变量有m个维度,每个维度可以是离散值或者连续值,通常情况下m=1,下面如果没有特殊说明都是考虑m=1的情况。小写的表示所有的样本的自变量,其中每表示第i个样本自变量的值,小写的所有的转载 2014-08-13 09:37:02 · 1133 阅读 · 0 评论