题目链接： "戳我" 有向生成树计数。 那么在这里补充一下矩阵树定理吧！ 度数矩阵 邻接矩阵（双向计数），去掉任意一行一列，剩下的式子高斯消元之后，对角线乘积是无向图的生成树个数。 入度矩阵 邻接矩阵（单向边），去掉根相关的一行一列，剩下的式子高斯消元之后，对角线乘积是外向树的生成树个数。 出度矩阵 ...
分类：
其他好文 时间：
2019-05-23 00:11:10
阅读次数：
101
这篇文章是在阅读 "Gabor特征总结" 时，所遇到的关于一维高斯核函数的傅里叶变化问题，在此对其变换过程进行详细描述。 问题： 高斯核函数为$w(t)=e^{ \pi t^2}$，$\hat w(f)$为其傅里叶变换，求证：$\hat w(f)=w(f)$ 证明： 将$w(t)$代入傅里叶变换式中 ...
分类：
其他好文 时间：
2019-05-19 09:18:17
阅读次数：
160
"嘟嘟嘟" 这题和某一类概率题一样，大体思路都是高斯消元解方程。 不过关键还是状态得想明白。刚开始令$f[i]$表示炸弹在点$i$爆的概率，然后发现这东西根本无法转移（或者说概率本来就是$\frac{p}{q}$？），于是就考虑换状态。 一个非常好的状态是炸弹传到点$i$的概率，这样答案再乘以一个$ ...
分类：
其他好文 时间：
2019-05-18 20:39:54
阅读次数：
110
"嘟嘟嘟" 此题并不难。 因为$n \leqslant 500$，所以把每一个值看成一个状态，于是对于每一个状态，暴力$O(k ^ 3)$枚举转移。然后因为有一条到$f[0]$的转移，所以可以用高斯消元求解。 但因为$T \leqslant 300$，所以直接高斯消元会TLE的。这时候我们观察方程， ...
分类：
其他好文 时间：
2019-05-17 19:22:59
阅读次数：
159
--判断一个患者的肿瘤是好是坏? 1.对数据集(威斯康星乳腺肿瘤数据集)分析 2.使用高斯朴素贝叶斯进行建模 3.高斯朴素贝叶斯的学习曲线 总结: 高斯朴素贝叶斯在预测方面,对于样本的要求并不是很苛刻,如果你的样本比较少的话,应该可以考虑使用朴素贝叶斯算法来建模. 相比起线性模型来说,朴素贝叶斯的算 ...
分类：
其他好文 时间：
2019-05-17 12:08:45
阅读次数：
181
模板luogu_3389：https://www.luogu.org/problemnew/solution/P3389 高斯消元到底是干啥的？？ 其实就是解一次方程的。和人一般解方程是类似的，就是让写出来给计算机看就比较麻烦。 还用行列式和矩阵。 先放代码。（照着大佬代码打的……） 具体解析就不打 ...
分类：
其他好文 时间：
2019-05-13 23:09:24
阅读次数：
142
这篇博客整理K均值聚类的内容，包括： 1、K均值聚类的原理； 2、初始类中心的选择和类别数K的确定； 3、K均值聚类和EM算法、高斯混合模型的关系。 一、K均值聚类的原理 K均值聚类（K-means）是一种基于中心的聚类算法，通过迭代，将样本分到K个类中，使得每个样本与其所属类的中心或均值的距离之和 ...
分类：
编程语言 时间：
2019-05-13 14:14:06
阅读次数：
763
高斯函数与正态分布 高斯函数或者说正态分布函数在很多场合都得到广泛应用，其是概率论和统计学的核心，在最大似然估计、贝叶斯估计中必不可少。其也是稀疏贝叶斯估计的重要基础。下面对高斯函数的一些基本知识点进行归纳和总结，不当之处，欢迎批评指正。 (1) 高斯函数高斯函数定义如下\begin{equatio ...
分类：
其他好文 时间：
2019-05-13 09:17:03
阅读次数：
185
一、EM算法概述 EM算法（Expectation Maximization Algorithm，期望极大算法）是一种迭代算法，用于求解含有隐变量的概率模型参数的极大似然估计（MLE）或极大后验概率估计（MAP）。EM算法是一种比较通用的参数估计算法，被广泛用于朴素贝叶斯、GMM（高斯混合模型）、K ...
分类：
编程语言 时间：
2019-05-12 00:55:20
阅读次数：
208
本文简单介绍了线性回归、lasso回归和岭回归，主要说明为什么 lasso 更容易使部分权重变为 0 而 ridge 不行，或者说为什么 lasso 可以进行 feature selection，而 ridge 不行。 ...
分类：
其他好文 时间：
2019-05-11 21:12:13
阅读次数：
111
