那抹阳光1994

摘要： 什么是分位数？ 显然，分位数是用来定位的，表示某个样本在整个样本空间中的位置信息。 通过CDF(累积分布函数)可以很好地理解分位数的概念。CDF是一个单调递增的函数，F(q) = F(x<=q) 。CDF曲线中横轴是随机变量的取值，竖轴是小于某个取值的概率。 由于CDF单调递增，因此一定存在一个逆函 阅读全文

摘要： 联合概率密度 P(A^B) 条件概率 从面积比例看出，P(A|B)等于B中A的面积（P(A^B)）除以B的面积（P(B)）。 乘法公式（乘积法则） 假如事件A与B相互独立，那么： 相互独立：表示两个事件互不影响。 互斥：表示两个事件不能同时发生。互斥事件一定不独立（因为一件事的发生导致了另一件事不能 阅读全文

摘要： https://www.cnblogs.com/pinking/p/9349695.html 阅读全文

摘要： 什么是长尾long tail？ 长尾效应，英文名称Long Tail Effect。“头”（head）和“尾”（tail）是两个统计学名词。正态曲线中间的突起部分叫“头”；两边相对平缓的部分叫“尾”。从人们需求的角度来看，大多数的需求会集中在头部，而这部分我们可以称之为流行，而分布在尾部的需求是个性 阅读全文

摘要： 阅读全文

摘要： 公开课 伯克利（伯克利CS的本科生课程质量都很好，抽时间看看。）斯坦福MIT 前修课程 （伯克利课程都有） 向量微积分 vector calculus（math53）线性代数（math54 math110 or EE16A+16B）概率论（CS70 or stat 134） 机器学习和深度学习 CS 阅读全文

摘要： np.dot(a, b) 1. 如果是向量，表示的是内积。 2. 如果是矩阵，表示矩阵积（不是对应元素相乘）。 阅读全文

摘要： A Visual Exploration of Gaussian Processes 地址：https://www.jgoertler.com/visual-exploration-gaussian-processes/ 高斯过程是一种非参数建模方法，试图寻找与观测数据点相一致的所有可能函数的分布。 阅读全文

摘要： 无监督学习的特点是训练数据没有标签，无监督学习识别和利用数据中的模式进行诸如数据压缩或降维（如自编码器）或生成模型（如GAN等）之类的任务。 数据的压缩和降维涉及到使用比原始数据表示更少的信息进行编码。 生成模型可以对训练及数据的分布进行逼近，然后从该近似分布中生成新的数据点。 无监督学习与有监督学 阅读全文

摘要： 机器学习任务可以分为三类： 有监督学习：用于分类、回归预测等，训练数据有标签 无监督学习：无标签 强化学习：通过与环境交互，训练智能体做出一系列动作使得累积奖励最大化 为了解决以上机器学习任务，机器学习的核心思想是函数逼近。存在不同类型的函数逼近器：线性模型、SVM、决策树、高斯过程、深度学习等。 阅读全文