![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数学基础
zxx_id
我是菜鸟,但不是送快递的。。。
展开
-
数学基础-均值、期望、方差、标准差、协方差
均值:统计学概念,根据实际试验结果计算得出的平均值Means=1N(x1+x2+⋯+xn)Means=\frac{1}{N}(x_1+x_2+\dots+x_n)Means=N1(x1+x2+⋯+xn)期望:概率论概念,是一个数学特征E(X)=X1∗p(X1)+X2∗p(X2)+⋯+Xn∗p(Xn)E(X)=X_1*p(X_1)+X_2*p(X_2)+\dots+X_n*p(X_n)E(X)=X1∗p(X1)+X2∗p(X2)+⋯+Xn∗p(Xn)E(X)=∑k=1nxkpk原创 2020-08-02 16:11:14 · 2841 阅读 · 0 评论 -
数学基础-Accuracy/Precision/Recall/F1
ELMO原创 2020-08-05 11:10:07 · 460 阅读 · 0 评论 -
数学基础-最大后验概率估计
最大后验概率估计(MAP) Maximum a posteriori estimation原创 2020-09-11 15:25:57 · 186 阅读 · 0 评论 -
数学基础-梯度下降法
待……原创 2020-09-11 15:24:50 · 146 阅读 · 0 评论 -
数学基础-拉格朗日乘子法
待……原创 2020-09-11 15:24:21 · 52 阅读 · 0 评论 -
数学基础-矩阵求导
原创 2020-09-11 12:24:12 · 144 阅读 · 0 评论 -
数学基础-似然函数
一、简介似然和概率的区别:概率:特定条件下某个事件发生的可能性;事件发生之前已知环境参数根据环境推测结果似然:根据结果推测事件发生的可能环境事件已经发生环境参数未知根据结果推测环境参数条件概率:已知θ\thetaθ,xxx的概率p(x∣θ)p(x|\theta)p(x∣θ)似然函数:已知xxx,参数为θ\thetaθ的概率L(θ∣x)L(\theta|x)L(θ∣x)条件概率和似然函数在数值上是相等的,即:L(θ∣x)=p(x∣θ)L(\theta|x)=p(x|\th原创 2020-08-07 19:31:17 · 8430 阅读 · 2 评论 -
数学基础-点到直线/平面距离
点到直线/平面的距离公式点:p(x0,y0)p(x_0,y_0)p(x0,y0)平面:f(x,y)=Ax+By+Cf(x,y)=Ax+By+Cf(x,y)=Ax+By+C那么点ppp到平面f(x,y)f(x,y)f(x,y)的距离为:dist=∣Ax0+By0+C∣A2+B2dist=\frac{|Ax_0+By_0+C|}{\sqrt{A^2+B^2}}dist=A2+B2∣Ax0+By0+C∣从三维空间扩展到多维空间,如果存在一个超平面f(X)=θX+bf(X)=\theta X+原创 2020-08-09 23:03:53 · 1320 阅读 · 0 评论 -
数学基础-Jensen不等式
杰森不等式(Jensen不等式)函数fff为凸函数,那么存在下列不等式:f(θx+(1−θ)y)≤θf(x)+(1−θ)f(y)f(\theta x+(1-\theta)y)\le\theta f(x)+(1-\theta)f(y)f(θx+(1−θ)y)≤θf(x)+(1−θ)f(y)如果θ1,θ2,…,θk≥0\theta_1,\theta_2,\dots,\theta_k\ge0θ1,θ2,…,θk≥0,θ1+θ2+,…,+θk=1\theta_1+\theta_2+,\dots,+\th原创 2020-08-09 22:14:13 · 2687 阅读 · 0 评论 -
数学基础-距离公式、相似度公式、聚类算法衡量指标
1、距离公式闵可夫斯基距离(Minkowski)dist(X,Y)=p∑i=1n∣xi−yi∣pdist(X,Y)=p\sqrt{\displaystyle\sum_{i=1}^{n}|x_i-y_i|^p}dist(X,Y)=pi=1∑n∣xi−yi∣p当p=1p=1p=1时,曼哈顿距离(Manhattan)M_dist=∑i=1n∣xi−yi∣M\_dist=\displaystyle\sum_{i=1}^{n}|x_i-y_i|M_dist=i=1∑n∣xi−yi∣当p原创 2020-08-08 21:31:33 · 640 阅读 · 0 评论 -
数学基础-求导规则
1、基本公式y=c(c为常数bai) y’=0y=x^n y’=nx^(n-1)y=a^x y’=a^xlnay=e^x y’=e^xy=logax y’=logae/xy=lnx y’=1/xy=sinx y’=cosxy=cosx y’=-sinxy=tanx y’=1/cos^2xy=cotx y’=-1/sin^2xy=arcsinx y’=1/√1-x^2y=arccosx y’=-1/√1-x^2y=arctanx y’=1/1+x^2y=arccotx y’=-1/原创 2020-08-08 19:49:19 · 613 阅读 · 0 评论 -
数学基础-MSE、RMSE、MAE、Variance、SD、R-Square
1. MSE,Mean Squared Error(均方误差)MSE=1N∑i=1N(yi−yi^)2MSE=\frac{1}{N}\displaystyle\sum_{i=1}^N(y_i-\hat{y_i})^2MSE=N1i=1∑N(yi−yi^)2yiy_iyi为实际值,yi^\hat{y_i}yi^为预测值from sklearn.metrics import mean_squared_error #均方误差MSE = mean_squared_error(y_test,y原创 2020-08-08 14:51:56 · 904 阅读 · 0 评论 -
数学基础-最小二乘法
一、最小二乘法理论值和实际值之差的平方和通过最小化误差的平方和,使得拟合对象无限接近目标对象用于对函数的拟合E=∑i=1nei2=∑i=1n(yi−y^)2E=\displaystyle\sum_{i=1}^ne_i^2=\displaystyle\sum_{i=1}^n(y_i-\hat{y})^2E=i=1∑nei2=i=1∑n(yi−y^)2...原创 2020-08-08 09:43:38 · 168 阅读 · 0 评论 -
数学基础-正态分布、伯努利分布、二项分布、泊松分布、指数分布
一、正态分布正态分布(Normal Distribution)又名高斯分布(Gaussian Distribution),统计学上常见的连续概率分布。X∼N(μ,σ2)X \sim N(\mu,\sigma^2)X∼N(μ,σ2)概率密度函数:f(x)=1σ2πe−(x−μ)22σ2f(x)=\frac{1}{\sigma\sqrt{2\pi}}e^{-\frac{(x-\mu)^2}{2\sigma^2}}f(x)=σ2π1e−2σ2(x−μ)2数学期望μ数学期望\mu数学期望μ 等于位置原创 2020-08-07 18:21:53 · 1984 阅读 · 0 评论 -
数学基础-中心极限定理
一、中心极限定理简介总体数据A(任意分布,不要求正态分布)从A中随机抽取n个样本组成B抽取m次,得到m组B所有B的平均值的分布接近正态分布注意:总体数据不要求正态分布样本每组足够大,但也不需要太大额:所有B的平均值的平均值能够反映A的平均值...原创 2020-08-07 16:19:32 · 213 阅读 · 0 评论