![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数学
LB_莫贺延碛
没智商,没毅力,仅仅有一点点运气。
努力向各位前辈大牛学习。
展开
-
我想知道怎么求N的N次方
//原文出处:http://www.cnblogs.com/dmesg/archive/2009/08/02/1536997.html 我想知道怎么求N的N次方,这个数据是很大的,但是我要的是这个数据的最高位的数,应该有什么好的方法吧! 请大侠们帮帮忙吧!!(N 这个问题提出后,fallening同学便很快的在五分钟内作出了解答 log_10(N^N)=N*log_10(转载 2015-05-06 15:35:21 · 1113 阅读 · 0 评论 -
softmax回归
转自:http://blog.csdn.net/acdreamers/article/details/44663305 在上一篇文章中,讲述了广义线性模型。通过详细的讲解,针对某类指数分布族建立对应的广义线性模型。在本篇文章 中,将继续来探讨广义线性模型的一个重要例子,它可以看成是Logistic回归的扩展,即softmax回归。 我们知道Logistic回归只能进行二分类,因为它转载 2016-09-27 11:44:52 · 5320 阅读 · 2 评论 -
概率论复习 – ML vs. MAP vs. Bayesian Inference
转自:http://www.xperseverance.net/blogs/2012/11/1396/ 距离上次好好看这些概念大概半年过去了,很不幸,真的把他们忘记了。果真是不用则费,即使是简单的概念。 这次要写下来,以后再忘记则看看就容易回忆起来,事实上我现在觉得不太可能再忘记了…… 参考资料: 《统计学完全教程》、《PR&ML》、《Parameter estimation for转载 2016-10-11 21:44:09 · 3561 阅读 · 0 评论 -
梯度和方向导数
梯度和方向导数的概念在 ML和数字图像处理中有着广泛的应用,但每次看了之后又很容易忘记,转一篇文章记录下 转载出处:http://blog.163.com/cindy_19810217/blog/static/201059118201111169320477/ 1. 梯度:为了标记两个一阶偏导数,而取的一个特殊名称。 函数f(x, y)的梯度定义为:,和分别是x和y方向上的切线斜率。转载 2015-12-18 11:10:44 · 4167 阅读 · 0 评论 -
求序列逆序数
我就是随笔记一下。 首先,逆序数的定义我们在线性代数的课程中应该学到过:在一个排列中,如果一对数的前后位置与大小顺序相反,即前面的数大于后面的数,那么它们就称为一个逆序。一个排列中逆序的总数就称为这个排列的逆序数。逆序数为偶数的排列称为偶排列;逆序数为奇数的排列称为奇排列。如2431中,21,43,41,31是逆序,逆序数是4,为偶排列。 对于求一个序列的逆序数,O(n^2)的方法是很原创 2016-08-08 13:09:21 · 3246 阅读 · 0 评论 -
关于高斯滤波器的一些疑问
我有一个关于高斯低通滤波器的问题, 在许多的博客上(同样的情况在matlab的fspecial函数中),产生空间域滤波器 使用的公式都是A*exp(-u/(2*sigma^2)),之后再进行了归一化。但是这个公式不是高斯函数在频域域中的公式吗?用这个公式为什么可以计算空间滤波器呢?还是说因为空间域和频域的公式均属于高斯函数,所以可以这样实现? 另外, 对于频率域和空间域滤波器的转换关系,个人看了原创 2016-01-30 17:42:02 · 2034 阅读 · 2 评论 -
贝叶斯学派与频率学派有何不同?
看PRML关于贝叶斯概率的时候晕的不行。。。从知乎、csdn上看到一些回答。摘录如下 著作权归作者所有。 作者:任坤 链接:http://www.zhihu.com/question/20587681/answer/17435552 来源:知乎 简单地说,频率学派与贝叶斯学派探讨「不确定性」这件事时的出发点与立足点不同。频率学派从「自然」角度出发,试图直接为「事件」本身建模,转载 2015-11-02 17:53:18 · 1278 阅读 · 0 评论 -
一道算法笔试题
问题描述 给定参数n(n为正整数),请计算n的阶乘n!末尾所含有“0”的个数。 例如,5!=120,其末尾所含有的“0”的个数为1;10!= 3628800,其末尾所含有的“0”的个数为2;20!= 2432902008176640000,其末尾所含有的“0”的个数为4。 计算公式 这里先给出其计算公式,后面给出推导过程。 令f(x)表示转载 2014-09-04 23:53:37 · 290 阅读 · 0 评论 -
奇异值分解(SVD)原理详解及推导
转自出处http://blog.csdn.net/zhongkejingwang/article/details/43053513 在网上看到有很多文章介绍SVD的,讲的也都不错,但是感觉还是有需要补充的,特别是关于矩阵和映射之间的对应关系。前段时间看了国外的一篇文章,叫A Singularly Valuable Decomposition The SVD of a Matrix,觉得分转载 2017-01-14 23:22:16 · 1453 阅读 · 0 评论