![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习数学复习
文章平均质量分 93
hashcon
做自媒体技术分享很久了,大家的抬爱与支持让我很开心很感激,但是个人本来做这些也并不是为了收益,只是为了个人学习与传播知识帮助更多的人,所以我将全网所有账号全部收益,持续捐给各种公益项目,也算不辜负大家的抬爱,也是回报祖国对我的一番培养。
曾任职于顺丰,华为,网易等公司,从Java小白,成长为资深开发与项目组首席架构师。喜欢源码与开源,曾贡献 MyCat1.6 核心源码,贡献过druid,Spring Cloud,dubbox,Apache RocketMQ,Apache Bookeeper 等多开源项目。
展开
-
实例复习机器学习数学 - 2. 几种典型离散随机变量分布
随机变量的引入 上一节我们讨论的都是随机事件,某一个随机事件可能包含若干个随机试验样本空间中的随机结果,如果对于每一个可能的实验结果都关联一个特定的值,这样就形成了一个随机变量。 例如抛一个骰子,将抛出的骰子的值作为随机变量的值;足球比赛,将某一只球队进球的个数作为随机变量的值;抛一根标枪,抛出的距离作为随机变量的值;今年一年的降水量作为随机变量等等。 离散型随机变量相关概念 随机变量的取值并不是连续的,而是有限个数值,或者是可以计数的无限个数值,这样的随机变量被称为离散随机变量。回顾一下上面提出的四个例子原创 2021-07-14 15:03:32 · 944 阅读 · 0 评论 -
实例复习机器学习数学 - 1. 事件与概率
从骰子实验引出的各种概率概念 1.投骰子,出现点数为 6 的概率 16\frac{1}{6}61. 投骰子,已知出现点数为偶数,出现点数为 6 的概率则是 13\frac{1}{3}31,这个概率即 条件概率。 2.条件概率为:假设我们知道 A 事件已经发生,在此基础上我们想知道 B 事件发生的概率,这个概率为条件概率,记作 P(B∣A)P(B|A)P(B∣A) 3.古典概率模型:假设一个实验,有 Ω\OmegaΩ 个等可能性的结果,事件 A 包含其中 XXX 个结果,事件 B 包含其中 YYY 个结果原创 2021-06-28 20:01:32 · 339 阅读 · 1 评论