随笔分类 - 3_数学（概率论等）
摘要：正态分布和标准正态分布的联系及区别 一、总结 一句话总结： 标准正态分布是正态分布的一种，平均数为0，标准差为1。 二、正态分布和标准正态分布的联系及区别 转自或参考：正态分布和标准正态分布的联系及区别？https://zhidao.baidu.com/question/210506564.html
阅读全文
摘要：对角矩阵和单位矩阵 一、总结 一句话总结： 对角矩阵(diagonal matrix)是一个主对角线之外的元素皆为0的矩阵。 单位矩阵是对角线上元素全为1的对角矩阵。 对角矩阵(diagonal matrix)是一个主对角线之外的元素皆为0的矩阵，常写为diag（a1，a2,...,an) 。 对角
阅读全文
摘要：Wasserstein distance（EM距离） 一、总结 一句话总结： ①、Wasserstein 距离又叫Earth-Mover距离（EM距离），用于衡量两个分布之间的距离， ②、定义：$$W ( P _ { 1 } , P _ { 2 } ) = \inf _ { \gamma \sim
阅读全文
摘要：浅谈KL散度 一、总结 一句话总结： (a)、相对熵（relative entropy）又称为KL散度（Kullback–Leibler divergence，简称KLD），信息散度（information divergence），信息增益（information gain）。 (b)、KL散度是两
阅读全文
摘要：常见数学符号的读音 一、总结 一句话总结： 这些常用数学符号是有大小写的，读音就是英文读音，比如alpha、beta、gamma 二、常见数学符号的读音 转自或参考：http://www.fhdq.net/sx/14.html 大写 小写 英文注音 国际音标注音 中文注音 Α α alpha alf
阅读全文
摘要：用 Python 检验数据正态分布的几种方法 一、总结 一句话总结： scipy.stats.anderson(x, dist ='norm' ) 该方法是由 scipy.stats.kstest 改进而来的，可以做正态分布、指数分布、Logistic 分布、Gumbel 分布等多种分布检验。 sc
阅读全文
摘要：数据分析之正态分布检验及python实现 一、总结 一句话总结： 就是非常简单的用正态分布的公式画个图即可，简单方便：y_sig = np.exp(-(x - u) ** 2 / (2 * sig ** 2)) / (math.sqrt(2 * math.pi) * sig) 二、数据分析之正态分布
阅读全文
摘要：python实现正态分布 一、总结 一句话总结： 就是非常简单的用正态分布的公式画个图即可，简单方便：y_sig = np.exp(-(x - u) ** 2 / (2 * sig ** 2)) / (math.sqrt(2 * math.pi) * sig) 二、python实现正态分布 转自或参
阅读全文
摘要：python写泰勒展开式 一、总结 一句话总结： 泰勒公式是f(x)=f(x0)+f'(x0)*(x-x0)+f''(x0)/2!*(x-x0)^2+...+f(n)(x0)/n!*(x-x0)^n，x0取个值即可计算，取0的话就是麦克劳林公式 二、python写泰勒展开式 转自或参考：python
阅读全文
摘要：python实现一个简单泰勒的计算 一、总结 一句话总结： a、就是非常简单的泰勒展开式的python实现 b、用sympy库中的Symbol来表示表达式 c、python原生的math库中有求阶乘：math.factorial(4) 二、python实现一个简单泰勒的计算 In [7]: from
阅读全文
摘要：相关分析和回归分析的联系和区别 一、总结 一句话总结： 1、在回归分析中，y被称为因变量，处在被解释的特殊地位，而在相关分析中，x与y处于平等的地位，即研究x与y的密切程度和研究y与x的密切程度是一致的； 2、相关分析中，x与y都是随机变量，而在回归分析中，y是随机变量，x可以是随机变量，也可以是非
阅读全文
摘要：数学里面期望值是什么？怎么求？ 一、总结 一句话总结： 在概率论和统计学中，数学期望(mean)（或均值，亦简称期望）是试验中每次可能结果的概率乘以其结果的总和，是最基本的数学特征之一。它反映随机变量平均取值的大小。 1、数学期望实例? 筛子摇每一个值（1-6）的概率是1/6，则摇到点的期望=1*1
阅读全文
摘要：凸集，凸函数，凸优化问题，线性规划，二次规划，二次约束二次规划，半正定规划 一、总结 一句话总结： 凸函数几何意义：表示为函数任意两点连线上的值大于对应自变量处的函数值 凸优化：凸优化，或叫做凸最优化，凸最小化。研究定义于凸集中的凸函数最小化的问题。 1、什么是凸优化？ 凸优化：凸优化，或叫做凸最优
阅读全文
摘要：凸集、凸函数、凸优化和凸二次规划 一、总结 一句话总结： 凸集：集合C内任意两点间的线段均包含在集合C形成的区域内，则称集合C为凸集 二、凸集、凸函数、凸优化和凸二次规划 转自或参考：凸集、凸函数、凸优化和凸二次规划https://blog.csdn.net/watermelon12138/arti
阅读全文
摘要：人工智能数学参考 8、常用激活函数 一、总结 一句话总结： Sigmoid函数：f(z)=1/(1+e^(-z)) tanh函数：tanh(x)=e^x-e^(-x)/(e^x+e^(-x)) Relu函数：Relu = max(0,x) MaxOut函数： 1、什么是信息熵？ 1、熵表示物体内部的
阅读全文
摘要：一看就懂的信息熵 一、总结 一句话总结： H(X)=- ∑ P(x)logP(x) 1、信息的大小跟随机事件的概率 的关系？ 信息的大小跟随机事件的概率有关。越小概率的事情发生了产生的信息量越大，如湖南产生 的地震了；越大概率的事情发生了产生的信息量越小，如太阳从东边升起来了（肯定发生嘛，没什么信息
阅读全文
摘要：人工智能数学参考 7、核函数应用 一、总结 一句话总结： 一些低维很难解决的问题，切换到高维，可能会很简单 1、泊松分布 思想？ 泊松分布就是把时间段分细，用二次分布来计算每个时间段事情是否发生，然后求极限就会得到泊松分布的式子 P(N(t)=n) = (λt)^n*e^(-λt)/n! 2、泊松分
阅读全文
摘要：核函数是什么 一、总结 一句话总结： 假设函数Ф是一个从低维特征空间到高维特征空间的一个映射，那么如果存在函数K(x,z), 对于任意的低维特征向量x和z，都有：K(x,z)=θ(x)*θ(z),称函数K(x,z)为核函数(kernal function) 1、核函数在解决线性不可分问题的时候，采取
阅读全文
摘要：概率论中PDF、PMF和CDF的区别与联系 一、总结 一句话总结： PDF：概率密度函数（probability density function）, 在数学中，连续型随机变量的概率密度函数（在不至于混淆时可以简称为密度函数）是一个描述这个随机变量的输出值，在某个确定的取值点附近的可能性的函数。 P
阅读全文
摘要：如何通俗理解 beta 分布 一、总结 一句话总结： beta分布可以看作一个概率的概率分布，当你不知道一个东西的具体概率是多少时，它可以给出了所有概率出现的可能性大小。 二、如何通俗理解 beta 分布（转） 转自：如何通俗理解 beta 分布？ - 知乎https://www.zhihu.com
阅读全文
浙公网安备 33010602011771号