qypx

摘要： 三门问题曾出现在我遇到过的一次笔试题中，也困扰了我很长一段时间。翻看了一些博客，现进行一下总结，供以后查阅。 0. Introduction 三门问题——亦称为蒙提霍尔问题，出自美国的电视游戏节目Let's Make a Deal. 问题描述如下： 参赛者面前有三扇关闭着的门，其中只有一扇门的后面是 阅读全文

摘要： 1. 页内跳转 在需要跳转的地方，加上： [名称](#跳转处id) 其中名称填写的是想要显示的内容，跳转处id为自定义的跳转处的锚点名称 例如：[见后文](#jump) 再在跳转过去的地方，加上锚： <span id="jump"></span> 其中，此处id中的内容与需要跳转处`#`后的内容保持 阅读全文

摘要： 1. 离散型分布 1.1 两点分布（伯努利分布/贝努利分布/0-1分布） 称随机变量 \(X\) 服从参数为 \(p\) 的伯努利分布，如果它分别以概率 \(p\) 和 \(1-p\) 取 1 和 0 为值。​ \[P(X=k)=p^k(1-p)^{1-k}, \quad k=0,1\\ X\sim 阅读全文

摘要： 8. shell 中各种括号的作用 参考 https://www.jb51.net/article/123081.htm https://www.jianshu.com/p/3e1eaaa3fee8 8.1 单小括号 () 一般在命令替换的时候使用 >today=$(date +%Y%m%d) >e 阅读全文

摘要： 0. 在线使用 Linux Shell 参考 https://www.sohu.com/a/343421845_298038 JS/UIX - Terminal 地址：https://www.masswerk.at/jsuix/index.html 进入后，点击open terminal即可。它提供 阅读全文

摘要： 1.Precision, Recall 准确率 Accuracy = \(\frac{TP+TN}{TP+TN+FP+FN}\) 精确率（或命中率） Precision = \(\frac{TP}{TP+FP}\)，预测为positive中，实际为positive的比例，反映分类器的准确性 召回率（ 阅读全文

摘要： 参考： 《数学之美》 一文搞懂交叉熵在机器学习中的使用，透彻理解交叉熵背后的直觉 详解机器学习中的熵、条件熵、相对熵和交叉熵 常用的分类问题中的损失函数 1.信息量与信息熵 香农在他著名的论文”通信的数学原理“（A Mathematic Theory of Communication）中提出了”信息 阅读全文

摘要： 参考: WOE与IV值浅谈 机器学习-变量筛选之IV值和WOE 0. Introduction WOE (weight of evidence): 证据权重 IV (information value): 信息值 计算 WOE 与 IV 值的意义： （1）用 woe 编码可以处理缺失值问题。 （2） 阅读全文

摘要： 1. map、apply、applymap 参考：Pandas教程 | 数据处理三板斧——map、apply、applymap详解 在日常的数据处理中，经常会对一个DataFrame进行逐行、逐列和逐元素的操作，对应这些操作，Pandas中的map、apply和applymap可以解决绝大部分这样的 阅读全文