yijie422的博客

最大似然估计已知分布，寻找一个参数，使得这个分布发生的概率最大。θ=argmax∏i=1np(xi;θ)\theta=argmax\prod_{i=1}^np(x_i;\theta)θ=argmax∏i=1n​p(xi​;θ)也可以理解为最小化KL散度。举例：一个硬币被抛了100次，61次正面朝上，假设正面朝上的概率分别为1/3，1/2，2/3，以上三个哪个是最大似然估计？P(H=61∣p=13)=9.6×10−9P(H=61|p=\frac{1}{3})=9.6\times10^{-9}P(H

http://blog.codinglabs.org/articles/pca-tutorial.html

牛顿-莱布尼兹公式如果函数f(x)f(x)f(x)在区间[a,b][a,b][a,b]连续，并且存在原函数F(x)F(x)F(x)，则F(x)=∫abf(x)dx .F(x) = \int_a^b f(x)dx\,.F(x)=∫ab​f(x)dx.弱化条件如果函数f(x)f(x)f(x)在区间[a,b][a,b][a,b]有定义，并且满足以下条件1.在区间[a,...