![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
统计分析
文章平均质量分 72
浅梦s
浙大计算机硕士,现于阿里巴巴担任算法工程师。公众号:浅梦的学习笔记,Github:https://github.com/shenweichen
展开
-
统计分析基础-描述数据
介绍了数据挖掘中数据的基本统计描述的内容。原创 2017-01-09 00:29:19 · 1385 阅读 · 0 评论 -
贝叶斯推断 1. 基本概率模型和贝叶斯定理
最近在看一些概率统计的知识,顺便做了一些笔记整理。基本概率模型这里简单介绍三个概念,古典概型,频率学派,贝叶斯学派。古典概型 这个模型下,随机实验所有可能的结果是有限的,并且每个基本结果发生的概率是相同的 比如:投掷一枚均匀硬币,结果只有两种(假设硬币没有立起来),正面朝上和反面朝上,那么正面朝上的的概率就是0.5。这是基于古典概率模型的计算。频率学派 认为待估计参数是某个未知的常量,通过原创 2017-08-20 19:55:02 · 2759 阅读 · 0 评论 -
贝叶斯推断 2. 统计推断
频率推断中心极限定理Central Limit Theorem(CLT) 独立同分布的随机变量X,若期望和方差都存在,E(Xi)=μE(X_i)=\mu,D(Xi)=σ2D(X_i)=\sigma^2则N个(N很大)独立同分布的随机变量的和近似服从正态分布,即∑ni=1Xi∼N(nμ,nσ2)\sum_{i=1}^n{X_i} \sim N(n\mu,n\sigma^2)或∑ni=1Xin∼N(原创 2017-08-20 21:22:43 · 620 阅读 · 0 评论 -
贝叶斯推断 4. 连续型随机变量先验
本文介绍了指数分布和正态分步的先验,以及无信息先验。原创 2017-08-29 15:05:52 · 2433 阅读 · 1 评论 -
贝叶斯推断 3. 离散随机变量的先验和建模
Beta分布 贝塔分布(Beta Distribution) 是一个作为伯努利分布和二项式分布的共轭先验分布的密度函数,在机器学习和数理统计学中有重要应用。 贝塔分布中的参数可以理解为伪计数,伯努利分布的似然函数可以表示为,表示一次事件发生的概率,它为贝塔有相同的形式,因此可以用贝塔分布作为其先验分布。—–百度百科 概率密度函数0<x<10<x<1 f(x;α,β)=xα−1(原创 2017-08-21 15:30:53 · 1569 阅读 · 0 评论