bilibili西瓜书白板推导day1

最新推荐文章于 2024-08-11 02:00:50 发布
最新推荐文章于 2024-08-11 02:00:50 发布
阅读量310 收藏
点赞数
分类专栏： 机器学习 文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zm_zsy/article/details/108652506
版权

先验概率：指的是事情还没有发生，求这件事情发生的可能性大小。利用现有材料进行计算，大多是历史材料；

后验概率：指的是事情已经发生，求这件事情发生的原因是由某个因素的可能性的大小，使用贝叶斯公式计算；

极大似然估计：其建立在极大似然原理上，一个随机试验可能会出现若干结果。如果A出现了，那么认为实验条件对A的出现有利，即出现概率P(A)较大。

通过函数求导得到极值点，求得极大似然估计。

 

频率派将参数\theta看为常量，而数据为随机变量，需要得到\theta估计，常用的估计方法为极大似然估计。

贝叶斯派将参数seta看为服从一定的概率分布，\theta \sim p(\theta)为参数的先验概率

贝叶斯估计通过贝叶斯后验概率公式p(\theta|x)=\frac{p(x|\theta)\cdot p(\theta))}{p(x)}求得观测的\theta估计，可以进行贝叶斯预测。

zm_zsy
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
西瓜创客小白板.jpg
04-03
西瓜创客小白板跑的电路图，单片机是STM32F042F6P6
数学/ML/DL文章索引（2020.9.20更新）
每天净瞎搞
03-01 339
人工智能的知识要点记录：努力保证2020年每周更新， ML：西瓜书、统计学习、白板推导、林轩田等， DL：邱锡鹏nndl
【白板推导系列&西瓜书学习笔记】SVM
羊肉蛋花汤的博客
06-19 475
硬间隔SVM模型定义（最大间隔分类器） SVM有三宝：间隔、对偶、核技巧 。其中核技巧/核函数是SVM之前就有的，可使SVM从普通特征空间映射到高维空间，实现一定的非线性分类。 SVM分类：hard-margin SVM、soft-margin SVM、kenel SVM 下面先介绍hard-margin SVM。 SVM最初用来进行二分类（+1、-1）： 超平面：wTx+b=0w^{T}x + b = 0wTx+b=0 判别模型：f(w)=sign(wTx+b)f(w) = sign(w^{T}x +
机器学习用python还是R，哪个更好？
yang_xs的博客
08-07 714
今天是跟大家讨论机器学习用python还是R，哪个更好？在选择使用 Python 还是 R 进行机器学习开发，是我们一个经常讨论的话题，每种语言都有其独特的优势和适用场景。让我们来总结一下使用 Python 或 R 进行机器学习开发时的各自优势和特点，帮助你更好地选择适合自己需求的工具。
Stable Diffssion超详细讲解持续更新中
weixin_43576024的博客
08-08 590
在训练过程中，模型会对每张图像添加不同强度的噪声。噪声的强度用一个时间步 ttt来表示，ttt的范围通常是从 0 到 1000，共有 1001 种不同的噪声强度。时间嵌入是将时间步 ttt转换为一个高维的向量表示，这个向量将被输入到模型中，告诉模型当前图像的噪声强度。如果是图生图任务，我们在输入文本信息的同时，还需要将原图片通过图像编码器（VAE Encoder）生成Latent Feature（隐空间特征）作为输入。完成对文本信息的编码后，就会输入到SD模型的“图像优化模块”中对图像的优化进行“控制”。
Machine-Learning 机器学习
2302_80644606的博客
08-08 1194
机器学习是人工智能的一个重要分支，旨在通过算法使计算机能够从数据中自动学习并做出预测。它结合了统计学、概率论、近似理论和复杂算法等多学科知识，利用计算机作为工具来模拟人类的学习方式。
吴恩达：如何系统学习机器学习？
分享Python、数据分析、人工智能前沿知识
08-07 335
最近在知乎圆桌里看到吴恩达的回答，【如何系统学习机器学习？】颇为惊喜，仿佛看到了知乎刚成立时的样子，请各个行业大佬来分享专业知识。而他不仅仅是斯坦福的老师，还是coursera创始人、谷歌大脑创始人、百度前首席科学家，在机器学习教育领域算传道士般的存在。吴恩达估计是很多人机器学习的入门领路人，他的cs229课程从斯坦福的校园火到全球，成为最经典的机器学习课程之一。该回答目前已经有三千多赞，评论区也相当火爆，一片膜拜之声。下面把这篇回答原文贴出来，供大家参考下。
机器学习——支持向量机（SVM）（1）
CXDNW的博客
08-11 560
支持向量机（Support Vector Machine，SVM）属于有监督学习模型，主要 用于解决 数据分类问题。SVM将 每个样本数据 表示为 空间中的点，使 不同类别的样本点尽可能 明显地区分开。通过将样本的 向量映射到高维空间中，寻找 最优区分 两类数据的超平面，使 各分类到 超平面的距离最大化，距离越大 表示 SVM 的分类 误差越小。
【机器学习】ImageNet的基本概念以及如何使用ImageNet数据集
m0_49243785的博客
08-08 922
ImageNet是一个大规模的视觉数据库，旨在为研究人员和开发者提供一个丰富的资源，以促进计算机视觉领域的发展。该项目始于2007年，由斯坦福大学的教授李飞飞领导，并于2009年在计算机视觉与模式识别会议（CVPR）上发布。ImageNet根据WordNet的层级结构（目前仅限于名词）组织，其中每个层级节点都由成百上千张图像来描绘
【机器学习sklearn实战】计算偏差和方差
跟着大数据和AI去旅行
08-08 185
作为对比，下面是Bagging方法的偏差-方差，可以看出采用Bagging方法可以降低variance。可以很方便的计算Bias-Variance误差分解，下面是回归决策树方法的偏差-方差分解。
机器学习·L2W4-决策树
2301_80132162的博客
08-08 625
提升方法训练多棵树，但它们彼此之间不再互不相关，而是一棵树接一棵树地拟合，以最小化误差。XGBoost 的一个有趣之处在于，在拟合过程中，它可以采用形式为 (X_val,y_val) 的评估数据集。学习率是梯度下降法的步骤大小，XGBoost 在内部使用该方法来最小化每个训练步骤中的误差。随机森林的另一个超参数称为 n_estimators，它是组成随机森林的决策树的数量。请记住，对于随机森林，我们随机选择特征子集并随机选择训练示例子集来训练每棵树。由于每棵树的拟合彼此独立，因此可以并行拟合多棵树。
【Week-G7】Semi-Supervised GAN 实践，使用MNIST数据集
qq_40724911的博客
08-08 384
本次学习使用到的SGAN将GAN扩展到半监督学习方式，通过强制判别器D来输出类别标签。具体结构如下图： 输入数据集：N类中某一个 生成器G：输出第N+1个类 判别器D：充当分类器C的效果 训练时：判别器D被用于预测输入时属于N+1类中的哪一个SGAN可以用于训练效果更好的判别器D，并且比普通的GAN产生更加高质量的样本。 2.2 初始化权重 2.3 定义算法模型 2.4 配置模型 2.5 训练模型 2.6 训练结果 下载MNIST数据集： 训练过程： 训练输出的图像：
机器学习——第九章 聚类
weixin_46002351的博客
08-08 466
聚类试图将数据集中的样本划分为若干个通常是不相交的子集，每个子集称为一个“簇”，通过这样的划分，每个簇可能对应于一些潜在的概念（类别），这些概念对聚类算法而言事先是未知的，聚类过程仅能自动形成簇结构，簇所对应的概念语义需由使用者来把握和命名。聚类既能作为一个单独过程，用于寻找数据内在的分布结构，也可作为分类等其他学习任务的前驱过程。
机器学习用Python还是R，哪个更好？
FLK_9090的博客
08-08 517
随着数据科学和机器学习的迅猛发展，选择合适的编程语言成为众多从业者面临的首要问题之一。在这其中，Python和R语言无疑是最受欢迎的两种选择。本文将从多个角度详细比较Python和R在机器学习领域的优势和劣势，帮助大家更好地做出决策。在选择一门编程语言用于机器学习之前，了解该语言的背景、设计初衷以及其在数据科学领域的定位是非常重要的。Python和R语言各自的历史和设计目标影响了它们在机器学习中的优势和应用场景。
机器学习用python还是R，哪个更好?
Dingdangr的博客
08-07 882
在探讨机器学习领域中使用Python还是R哪个更好时，我们需要从多个维度进行深入分析，包括语言特性、生态系统、学习曲线、社区支持、实际应用场景以及未来发展趋势等。以下是对这两个选项的详细比较，旨在帮助您根据自己的需求和背景做出更明智的选择。
机器学习基本概念，以及相关应用有哪些？
probably121的博客
08-08 639
总的来说，机器学习通过各种算法从数据中提取模式和知识，为许多领域提供了强大的工具和方法，推动了自动化和智能化的发展。6. 过拟合与欠拟合：过拟合指模型在训练数据上表现良好但在新数据上表现差，而欠拟合指模型不能很好地捕捉数据趋势。7. 聚类算法：如K-means，用于将数据分组到不同的簇中，每个簇内的数据点尽可能相似。1. 监督学习：通过已标记的训练数据来训练模型，使其能够预测未标记数据的输出。2. 无监督学习：从未标记的数据中寻找模式和结构，不依赖于预先标记的输出。
排序算法的较量：快速排序与归并排序的深度剖析
最新发布
08-11
数据结构是计算机科学中的一个基本概念，它指的是数据的组织、管理和存储方式，以及对数据的操作。数据结构使得数据的访问和修改更加高效和有序。常见的数据结构包括： 1. **数组**（Array）：一种线性数据结构，可以存储相同类型的元素，并通过索引访问。 2. **链表**（Linked List）：一种线性数据结构，由一系列节点组成，每个节点包含数据部分和指向下一个节点的指针。 3. **栈**（Stack）：一种后进先出（LIFO, Last In First Out）的数据结构，只能在一端进行添加或删除操作。 4. **队列**（Queue）：一种先进先出（FIFO, First In First Out）的数据结构，允许在一端添加元素，在另一端删除元素。 5. **哈希表**（Hash Table）：通过键值对存储数据的数据结构，可以快速地通过键来访问数据。 6. **树**（Tree）：一种层次结构的数据结构，每个节点有零个或多个子节点，通常用于表示具有层次关系的数据。 7. **图**（Graph）：由顶点（节点）和边组成，可以表示复杂的关系和网络结构。 每种数据结构都有其
基于SSM++jsp的房屋租售网站
08-11
内容概要 基于SSM++jsp的房屋租售网站是一款集成了房源信息发布、搜索、在线预约看房、用户管理等功能的综合性租售平台。该网站采用了Spring、SpringMVC、MyBatis（SSM）框架与JSP技术相结合的方式，确保了前后端分离的模块化设计，具备高效、稳定的性能。用户可以通过网站发布或查找租售房源，使用详细的筛选条件，如地理位置、房屋类型、价格范围等，轻松找到合适的房源。网站还支持在线留言、预约看房等互动功能，提升了用户的体验和沟通效率。 适用人群 该网站适用于房地产中介公司、独立房产经纪人、房东以及广大有租房或购房需求的用户。对于中介公司和经纪人来说，网站提供了一个便捷的房源管理平台，可以批量上传房源信息，实时更新房源状态。对于房东，网站使其能够自主发布房屋信息并直接与潜在租客或买家沟通。对于租房或购房者，网站提供了全面的房源信息和方便的搜索工具，帮助他们快速找到心仪的房屋。 使用场景及目标 该网站主要应用于房地产租售行业。中介公司和经纪人可以通过网站集中管理房源，减少线下信息传递的繁琐，提升房源曝光率。房东可以自主发布房屋信息，无需依赖中介，直接接触潜在客户。租房或购
ThinkPHP中HTTP响应的艺术：定制化你的数据交响曲
08-11
ThinkPHP 是一个免费开源的、快速且简单的面向对象的轻量级 PHP 开发框架，它是为了敏捷 WEB 应用开发和简化企业应用开发而设计的。自2006年初诞生以来，ThinkPHP 一直秉承简洁实用的设计原则，在保持出色的性能和至简代码的同时，也注重易用性，并遵循 Apache2 开源协议发布 。 ThinkPHP 框架的特点包括： - 支持 MVC 架构模式，有助于代码的组织和重用。 - 提供了丰富的功能，如数据库访问层、模板引擎、缓存机制、插件机制、角色认证和表单处理等。 - 易于扩展，支持命令行指令扩展。 - 拥有 ORM 功能，支持多种数据库。 - 支持 RESTful 风格的 URL，方便 API 开发。 - 提供了灵活的配置功能，采用 PHP 返回数组方式定义配置，支持多种配置层次。 ThinkPHP 框架适用于多种服务器环境，包括 Windows、Unix 和 Linux，并且支持 PHP 5.0 以上版本以及多种数据库类型，如 MySQL、PostgreSQL 和 SQLite，同时也支持 PDO 扩展 。 此外，ThinkPHP 框架还提供了路由功能，允许开发
bilibili下载
09-09
Bilibili下载是指从Bilibili网站上下载视频的过程。Bilibili是一个非常受欢迎的视频分享网站，用户可以在上面观看和分享各种类型的视频内容。幸运的是，有几个Bilibili下载器可以使用，使你可以将你喜欢的视频保存到本地，以供离线观看。你可以使用一些工具和代码来进行Bilibili下载。 其中一个常用的Bilibili下载器是you-get。你可以复制Bilibili视频的网址，然后使用以下代码进行下载： you-get [视频网址] 例如，你可以使用以下代码下载一个Bilibili视频： you-get https://www.bilibili.com/video/BV1EE411v7iQ?spm_id_from=333.999.0.0 此外，你还可以使用以下代码来查看下载视频的具体信息： you-get -i [视频网址] 你只需要将[视频网址]替换为你要下载视频的网址。 通过这些方法，你就可以方便地从Bilibili下载你喜欢的视频，并且在没有网络连接的情况下进行观看。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值