![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习笔记
文章平均质量分 68
jack the monkey
这个作者很懒,什么都没留下…
展开
-
一行代码encoder编码/内存优化/模型调用保存
快速一行代码编码原创 2023-03-09 15:08:37 · 147 阅读 · 0 评论 -
第三章 回归分析
一、回归分析相关概念1.1回归分析是研究变量间函数关系的一种方法。变量之间的关系可以表示为方程的形式。大数据分析中,回归分析是一种预测性的建模技术。这种技术通常用于预测分析、时间序列模型,以及发现变量之间的因果关系。1.2可以解决的问题进行因素分析,确定影响某一变量的若干变量(因素)中,何者为主要,何者为次要,以及它们之间的关系1.3回归分析的步骤①首先确定要进行预测的因变量,然后集中于说明变量,进行多元回归分析②多元回归分析将给出因变量与说明变量之间的关系③这一关系最后以公原创 2022-05-17 12:20:28 · 2523 阅读 · 0 评论 -
第二章 统计学基础(四)相关分析和方差分析
一、相关分析1.1含义相关分析是研究现象之间是否存在某种依存关系,并对具体有 依存关系的现象探讨其相关方向以及相关程度,是研究随机变 量之间的相关关系的一种统计方法1.2描述方式:①通过散点图来描述相关②协方差:如果两个变量的变化趋势一致,也就是说如果其中一个大于自身的期望值时,另外一个也大于自身的期望值,那么两个变量之间的协方差就是正值。协方差一般只能描述变化趋势,无法直观描述变化程度。受度量单位的影响(不能反映变量间线性关系的强弱)③相关系数:经过标准化后的 Y 和 X 的协方差原创 2022-05-15 20:05:58 · 1250 阅读 · 0 评论 -
第二章 统计学基础(三)假设检验
一、假设检验的基本问题1.1假设问题的提出什么是假设(hypothesis):对总体参数的的数值所作的一种陈述什么是假设检验:事先对总体参数或分布形式作出某种假设,然后利用样本信息来判断原假设是否成立。采用逻辑上的反证法,依据统计上的小概率原理。1.2提出原假设和备择假设:①原假设:待检验的假设,又称“0假设”。研究者想收集证据予以反对的假设。总是有=, < 或>。表示为H0②备择假设:与原假设对立的假设。表示为 H1。1.3 假设检验中的两类错误①第一类错误原创 2022-05-15 18:50:01 · 1026 阅读 · 0 评论 -
第二章 统计学基础(二)
第五章 参数估计5.1基本概念估计量:用于估计总体参数的随机变量。参数用θ 表示,估计量用θ帽表示。如果样本均值 x帽 =80,则80就是θ 的估计值5.1.1点估计:用样本的估计量的某个取值直接作为总体参数的估计值。点估计量的可靠性是由它的抽样标准误差来衡量,表明一个具体的点估计值无法给出估计的可靠性的度量。5.1.2区间估计区间估计:在点估计的基础上,给出总体参数估计的一个区间 范围,该区间由样本统计量加减估计误差而得到。能够对样本统计量与总体参数的接近程度给出一个概率度量。原创 2022-05-15 16:09:10 · 1791 阅读 · 1 评论 -
第二章 统计学基础(一)
一、统计的基本概念1.1统计学分析数据的方法描述性分析:总体规模、对比关系、集中趋势、离散程度、偏态、峰态推断性分析:估计(点、区间)、假设检验、列联分析、方差分析、相关分析、回归分析1.2数据的分类①分类型数据:对事物进行分类的结果,如人的性别分为:男、女②顺序型数据:对事物类别顺序的测度,如产品分为:一等品、二等品、三等品③数值型数据:对事物的精确测度,如身高为:175cm、180cm定量数据(③)优先于定性数据(①、②)1.3总体和样本总体(population原创 2022-05-15 13:58:55 · 928 阅读 · 0 评论 -
第一章 机器学习基础
1.1学习方法1.1.1监督学习机器学习的数据是带标记的,这些标记可以包括数据类别、数据属性及特征点位置等。每个训练样本x有人为标注的目标t,学习的目的是发现x到t的映射。将标记作为预期效果,不断修正机器的预测结果。常见的监督学习有分类和回归。分类(Classification)是将一些实例数据分到合适的类别中,它的预测结果是离散的。回归(Regression)是将数据归到一条“线”上,即为离散数据生产拟合曲线,因此其预测结果是连续的。1.1.2无监督学习机器学习的数据是没有标记的。学习样本原创 2022-05-14 20:15:58 · 725 阅读 · 0 评论