概率论
-
贝尔曼最优方程(Bellman Optimality Equation)
本节使用 更新图的方式对 和 之间的关系进行详细说明,并在贝尔曼期望方程(Bellman Expectation Equation)基础上介绍 贝尔曼最优方程(Bellman Op…
-
矩阵分析与应用-1.3-随机向量
前言 本文学习过程来源是《矩阵分析与应用-张贤达》一书. 可以通过 z-lib 下载. 这部分将线代和概率两者之间结合起来, 使用矩阵来解决概率方面的问题. 在概率论中, 用符号 …
-
Review of Machine Learning
1. Unit 1: Review of probability 1.1 stochastic and state space 状态空间就是所有可能取值 1.2 Bayesian …
-
迭代递推计算均值、方差的无偏估计(含C++实现)
前言 对于一个序列而言,求均值和方差根据定义式是不难的,其时空复杂度均为 。但有的时候,我们的样本是一个一个给的,此时新来了一个样本,我们总不可能把原来的样本都捞出来再算一次均值、…
-
概率还不会的快看过来《统计学习方法》——第四章、朴素贝叶斯法
作者简介:整个建筑最重要的是地基,地基不稳,地动山摇。而学技术更要扎稳基础,关注我,带你稳扎每一板块邻域的基础。 博客主页:啊四战斗霸的博客 收录专栏:《统计学习方法》第二版——个…
-
机器人学中的状态估计学习笔记(二)第三章线性高斯系统的状态估计
3.1 离散时间的批量估计问题 3.1.1 问题定义 在离散时间线性时变系统中,定义运动和观测模型如下:其中k为时间下标,最大值为K。各变量的含义如下:其中除了vk为确定性变量…
-
机器学习——朴素贝叶斯算法
概率论相关知识点 条件概率:A,B为两个事件,且,称为在事件A发生的条件下事件B发生的条件概率。 事件的独立性:若A,B两个事件相互独立,则,。 贝叶斯公式:设为样本空间中概率均不…
-
学习卡尔曼滤波(三)——无迹卡尔曼滤波
参考资料 无损卡尔曼滤波 卡尔曼滤波 卡尔曼滤波算法原理 从贝叶斯滤波到无迹卡尔曼滤波 文章大部分内容主要来自参考资料,旨在于更方便学习记忆查找,不作其他用途。 在上一篇整理总结了…
-
机器学习(05)Naive Bayes(数值型)
有了符号型的基础,数值型就快多了。 数值型与符号型的不同点就是数值并不是有限集合,某个数值精确落到某个点上的概率基本为零,但是落到某个区间的概率就可以计算了。比如要在某个学校里面找…
-
机器学习(04)Naive Bayes(符号型)
数据集 @relation ‘mushroom’ @attribute a0 {b,c,x,f,k,s} @attribute a1 {f,g,y,s} @attribute a2…