码迷,mamicode.com
首页 >  
搜索关键字:正态分布    ( 481个结果
【概率论与数理统计】小结9 - 点估计
注:点估计是参数估计中的一种。点估计常用的方法有两种:矩估计和最大似然估计。之所以要做估计,最本质的问题是我们能获得的信息量(样本的数量)有限,因此只能在有限的信息中,用合理的方法、在可接受的精度或置信度下做近似计算,以便对总体有一个大概的认识,也就是将某种在有限样本下中获得的规律,泛化到更大的样本 ...
分类:其他好文   时间:2018-04-07 13:51:28    阅读次数:175
变分自编码器:原来是这么一回事
链接:https://kexue.fm/archives/5253 分布变换 通常我们会拿VAE跟GAN比较,的确,它们两个的目标基本是一致的——希望构建一个从隐变量Z生成目标数据X的模型,但是实现上有所不同。更准确地讲,它们是假设了Z服从某些常见的分布(比如正态分布或均匀分布),然后希望训练一个模 ...
分类:其他好文   时间:2018-04-03 22:16:22    阅读次数:877
Python中的Numpy
引用Numpy 生成随机数据 3.1.3 索引选取和切片选择 3.1.4 数据转换与规整 3.1.5 逻辑条件进行数据筛选 3.1.6 通用序列函数 统计概念与函数使用 3.2.2 统计基础概念 正态分布 伯努利分布 ...
分类:编程语言   时间:2018-03-27 14:46:33    阅读次数:521
线性回归算法
这里有两组数据:X1、X2。 需要得到的结论是Y 拟合上面的平面: 误差分析: 附:高斯分布(正态分布) 化简: 最后化简的结果就是我们希望得到的: 评估: ...
分类:编程语言   时间:2018-03-26 22:35:23    阅读次数:234
数学知识点查漏补缺(卡方分布与卡方检验)
一、卡方分布 若k个独立的随机变量Z1,Z2,?,Zk,且符合标准正态分布N(0,1),则这k个随机变量的平方和,为服从自由度为k的卡方分布。 卡方分布之所以经常被利用到,是因为对符合正态分布的随机变量的处理过程中,很容易出现其平方和的统计量。 正如在卡方检验问题中出现这个统计量一样自然。 二、卡方 ...
分类:其他好文   时间:2018-03-18 17:13:58    阅读次数:406
高尔顿钉板与二项分布
今天数学课上老师说高尔顿钉板符合高斯分布,然而直觉告诉我这是二项分布,只是二项分布的概率密度函数可以用高斯分布近似而已,其实和高斯分布(正态分布)没什么关系。 上图是书上的原图,如果我们把它的结构抽象成树的形式,就是下图,其中小球落入最上面孔的概率是1,从最上面落入下面两个子节点的概率分别为1/2, ...
分类:其他好文   时间:2018-03-17 13:42:56    阅读次数:372
R语言-时间序列
时间序列:可以用来预测未来的参数, 1.生成时间序列对象 结论:手动生成的时序图 2.简单移动平均 案例:尼罗河流量和年份的关系 结论:随着K值的增大,图像越来越平滑我们需要找到最能反映规律的K值 3.使用stl做季节性分解 案例:Arirpassengers年份和乘客的关系 原始图 对数变换 总体 ...
分类:编程语言   时间:2018-03-04 13:10:38    阅读次数:303
皮尔逊相关系数理解
皮尔逊相关系数理解有两个角度 其一, 按照高中数学水平来理解, 它很简单, 可以看做将两组数据首先做Z分数处理之后, 然后两组数据的乘积和除以样本数 Z分数一般代表正态分布中, 数据偏离中心点的距离.等于变量减掉平均数再除以标准差.(就是高考的标准分类似的处理) 标准差则等于变量减掉平均数的平方和, ...
分类:其他好文   时间:2018-03-03 14:08:08    阅读次数:185
Hulu机器学习问题与解答系列 | 十四:如何对高斯分布进行采样
欢迎回到“采样”系列~ 今天的内容是 【如何对高斯分布进行采样】 场景描述 高斯分布,又称正态分布,是一个在数学、物理及工程领域都非常重要的概率分布。在实际应用中,我们经常需要对高斯分布进行采样。虽然在很多编程语言中,直接调用一个函数就可以生成高斯分布随机数,但了解其中的具体算法能够加深我们对相关概 ...
分类:其他好文   时间:2018-02-27 21:16:04    阅读次数:404
数据预测的步骤
数据预测的步骤:1. 数据预处理; 2. 数据预测
分类:其他好文   时间:2018-02-23 17:10:46    阅读次数:102
481条   上一页 1 ... 20 21 22 23 24 ... 49 下一页
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!