原创 正態分佈,二項分佈,泊松分佈,協方差

1.正態分佈若服從均值,方差分別爲爲 ,即服從,密度函數爲,x爲負無窮到正無窮圖像如下圖像中的曲線爲密度函數,從負無窮到x的積分纔是分佈函數,即分佈函數F(x)爲密度函數的積分,F(x)爲密度函數從負無窮到x的積分,2.二項分佈在相同條件

原创 機器學習筆記1——單變量線性迴歸

關鍵字:代價函數,梯度下降,學習速率,batch梯度下降法話說這個梯度下降法我們的專業課數值線性代數是有的,突然發現數值線性代數果然是有用的啊1、梯度下降法算法(一個形象的說法:盲人下山)注意點:所有的參數都要同時更新1.1 代價函數J爲

原创 線性迴歸(內有最小二乘法)->NODE

ROOT傳送門 關鍵字:最小二乘法,多重共線性現象 一、線性迴歸 1.1 定義      所謂迴歸,就是確定自變量和因變量之間的對應關係,線性迴歸對於給定的X和Y,把焦點放在給定的x對應的y的概率分佈,而不是x和y的聯合概率分佈。所以線性

原创 python.sklearn.gaussian_process高斯過程迴歸的調用

代碼來源:http://f.dataguru.cn/thread-878564-1-1.html(土匪加步槍)侵刪因爲最近在做GPR和Bayesian optimization,需要調用python相關庫,於是上網找了網友的代碼參考,感謝

原创 機器學習算法總結

機器學習概念與其算法總結關鍵字:歸納,綜合,演繹1。機器學習概念機器學習:專門研究計算機怎樣模擬或實現人類的學習行爲獲取新的知識或技能,重新組織已有的知識結構使之不斷改善自身的性能。它是人工智能的核心,是使計算機具有智能的根本途徑,其應用

原创 訓練集,驗證集,測試集

關鍵字:普通參數,超參數,訓練集,驗證集,測試集    很多機器學習過程實際上就是選擇模型,由於模型只是參數未知,所以就需要得到一個最優參數,使得模型可以比較準確的描述自變量到因變量的變化情況。對於模型的訓練和度量,就需要用到已知的數據

原创 置信區間,統計量

關鍵字:置信區間1.置信區間1.1.作用:描述一個區間有多大的概率包含未知參數1.2.定義    設母體的概率函數爲f(x;seta),seta爲未知參數,有一個取自母體的子樣,字樣有n個數據。如果對事先給定的a,0<a<1,存在兩個統計

原创 矩陣相關

1、表示4*2矩陣的全體矩陣的集合 點贊 收藏 分享

原创 JSON:json.load和json.loads

data示例爲123 234 2342 23421. json.load用來讀取文件,直接打開文件讀取文件信息f=open('data.txt') json.load(f)2.json.loads逐行讀取打開的文件path='data.t

原创 簡單的python讀寫excel

今天發現了win10的一個自帶代碼編輯器code writer,支持的格式很多,還是挺好用的 注意讀取文件的路徑前面一定要加上r,否則讀取時對於'\'會把'\'當成轉義字符來處理,這樣就找不到路徑了 這裏讀取表格使用xlrd模塊 pat

原创 貝葉斯線性迴歸

摘要: 關鍵字:共軛先驗,貝葉斯估計的增量學習,極大似然估計,最大後驗估計 1.最大似然估計  1.推導過程     考慮有N個樣本X,每個樣本都是m維的,所以這是一個m類的問題。第i類服從分佈,這裏的i=1,2,...,m。假設各個樣本

原创 高斯過程迴歸GPR

關鍵字:核函數,RBF 超參數調優 對這個很熟悉了,簡單寫一下 本人用matlab實現了一下: https://download.csdn.net/download/qq_40597317/10646888 可以參考論文閱讀。 一、GP是

原创 支持向量機SVM

關鍵字:vector,support,machine,核函數,支持向量機由於自然語言分類總結:SVM是一個分類問題,在學習複雜的非線性方程時效果很好,是監督式學習(詳見前面的微博:機器學習算法總結)。例子:from吳恩達的機器學習視頻,腫

原创 溜了溜了

搬家 好長時間沒寫CSDN博客了,這段時間把東西寫到筆記裏了,所以沒有上傳233 即將離開CSDN,廣告太多了emmmmm,無法忍受了 目前還沒有把博客搬走,會抽個時間把博客都搬了,順便整理一波 搬好了再來公佈下新地址

原创 MATLAB的一些簡單命令(2)

關鍵字 一、line 連接兩點的形成線段 line([1,2],[4,7]); hold on; line([0,8],[5,12]); 二、畫一點 o表明這個點的形狀是圓形,也可以指定爲其他參數 plot(0,3,'o') 三、