概率论
-
【哈工大威海】模式识别总结
目录 使用须知 复习笔记 第一讲 绪论 第二讲 距离分类器 一般形式和预备知识 最近邻分类器 原理 优缺点 改进:模板匹配 衍生:多模板匹配 K-近邻分类器 原理 优缺点 K-D树…
-
先验、后验概率,似然,EM算法,ELBO(Evidence Lower Bound),多变量条件概率公式(多变量贝叶斯公式)
Probability 先验概率、后验概率、似然概率 在学习朴素贝叶斯(Naive Bayes)的时候,总是会混淆先验概率、后验概率和似然概率。通过这篇博客,我将对这三个概率的定义…
-
Pearson相关系数和Spearman相关系数的区别
Pearson相关系数和Spearman相关系数的区别 1、协方差、相关系数 2、Pearson相关系数 3、Spearman相关系数 3.1 定义 3.2 什么时候用 4、两者的…
-
【机器学习】朴素贝叶斯算法
朴素贝叶斯(Naive Bayes)是经典的机器学习算法之一,也是为数不多的基于概率论的分类算法。由于朴素贝叶斯计算联合概率,所以朴素贝叶斯模型属于生成式模型。经典…
-
连续型随机变量的分布(均匀分布、指数分布、正态分布)
一、均匀分布 均匀分布是指在一个区间内各个数值出现的概率相等的一种随机分布。“均匀”这一概念可以理解为,在任何子区间上,变量的取值概率相等。它的概率密度函数为: 其中,a和b分别…
-
指数分布的推导与理解
1.概述 指数分布与泊松分布(泊松过程)有着紧密的关联性,用于预测下一个事件(即成功、失败、到达等)之前的等待时间量。本文结合泊松过程对其进行详细的推导以加深理解。 2.直观解释 …
-
随机变量的分布函数
随机变量的分布函数,是我们在概率论中经常会遇到的概念。它是衡量一个随机变量在某个取值范围内出现的概率密度累积函数。在本篇博客中,我们将详细讨论随机变量的分布函数的定义、性质以及应用…
-
双线性插值法(Bilinear Interpolation)
1、单线性插值 先讲一下单线性插值:已知数据 (x0, y0) 与 (x1, y1),要计算 [x0, x1] 区间内某一位置 x 在直线上的y值。因为直线上的函数…
-
4.累积分布函数CDF
累积分布函数CDF 1. CDF(cumulative distribution function) 2.累积分布函数(CDF)的使用 3. 累积分布函数的特点 4. PDF (p…
-
概率统计·参数估计【矩估计、极大似然估计、无偏性、有效性、相合性】
点估计 设总体的分布函数形式已知,但它的一个或多个参数为未知,借助于总体的一个样本来估计总体未知参数的值的问题称为点估计问题 矩估计 这个还是看例子会比较好理解一些 例 先μ1=E…