- 博客(2)
- 收藏
- 关注
原创 傅里叶变换基础
傅里叶变换基础直观理解在如上图所示的三维坐标系中,向量v的坐标可以分解为向量v与三个基向量的内积:a=v⋅e1b=v⋅e2c=v⋅e3a=\mathbf{v} \cdot \mathbf{e}_{1} \quad b=\mathbf{v} \cdot \mathbf{e}_{2} \quad c=\mathbf{v} \cdot \mathbf{e}_{3}a=v⋅e1b=v⋅e2...
2020-03-26 18:34:58 1414
原创 无参密度估计:KDE和KNN
无参密度估计:KDE和KNN最大似然估计和贝叶斯估计应用于数据的密度函数形式已知但参数未知的情况,然而并非所有的情况下数据的密度函数的形式是已知的。针对于这种情况,我们可以选择一些无参密度估计方法。直观上,我们对于概率密度的理解就是单位区域数据出现的概率,公式表示如下:p(x)≅kNVp(x) \cong \frac{k}{{NV}}p(x)≅NVk其中,k是面积是V的区域内数据的个...
2020-03-18 21:32:32 3985 3
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人