原创 兩個多維高斯分佈的Kullback-Leibler divergence(KL散度)

兩個高斯分佈分別爲: p(x)=N(xj;μ,∑)                                  =1(2π)n2∣∑∣12exp{−12(x−μ)T(∑)−1(x−μ)} p(x)=N(x_j;\mu,\su

原创 數據分析三劍客之 Numpy 基礎教程

其餘兩劍客: 🗡 數據分析三劍客之 Pandas 基礎教程 🗡 數據分析三劍客之 Matplotlib 基礎教程 目錄0.1 先導條件1 Ndarray對象(array):1.1 基礎操作:1.2 與list互相轉換:2 數

原创 統計機器學習-伯努利與二項分佈

矩母函數: Mx(t)=E(etx)={∑xetxf(x)  (離散的)∫etxf(x)dx(連續的)M_x(t)=E(e^{tx})= \begin{cases} \sum_xe^{tx}f(x)\qquad\qquad\qqu

原创 Python之禪&編碼規範&一鍵排版

首先,各個編程語言都有自己的代碼規範,統一的代碼規範,不僅能提高代碼的可讀性,還能提升代碼的維護性,團隊內部的集成也會更加順暢,同時也能更輕易發現代碼的問題。 團隊編程的目標,所有人寫的代碼像一個人寫出來的。 Python

原创 統計機器學習-泊松分佈

泊松分佈: 模型:假設單位時間內發生時間λ\lambdaλ次,求單位時間內事件發生x次的概率。 分佈函數: p(x)=e−λλxx!p(x)=\frac{e^{-\lambda}\lambda^x}{x!}p(x)=x!e−λλx

原创 統計機器學習-貝葉斯公式

概率論的兩大基本規則: 加法規則:P(X)=∑YP(X,Y)P(X)=\sum_Y P(X,Y)P(X)=Y∑​P(X,Y) 乘法規則:P(X,Y)=P(Y)P(X∣Y)=P(X)P(Y∣X)P(X,Y)=P(Y)P(X|Y)=P

原创 蠻力法姊妹篇 | Python分治法解決凸包問題並用matplotlib實現可視化以及與蠻力法的對比

之前寫了一篇Python蠻力法解決凸包問題並用matplotlib實現可視化,最後也給出了同樣是在1000個點的情況下蠻力法和分治法的差距有多大(蠻力法1154秒,分治法0.125秒…) 先解釋一下爲什麼吧: 因爲蠻力法的重點在於

原创 分治法進階篇 | 利用matplotlib畫出凸包問題分治遞歸策略實現過程動態圖

話不多說,先上結果: 過程演示動態圖: 結果演示動態圖: 最終結果靜態圖: 然後說過程: 注意,這篇文章是在基於我的上一篇凸包問題分治法寫的,這些動態圖也是基於我的那篇文章代碼 先說說matplotlib怎麼實現動態圖:

原创 統計機器學習-Gamma分佈、Beta分佈、Dirichlet分佈

1. Gamma 分佈 參考https://zhuanlan.zhihu.com/p/37976562 模型假設事件單位時間內發生α\alphaα次,則發生xxx次所經過的時間 1.1 Gamma 函數 Gamma函數定義爲 ∫0

原创 我在你家裝監控了!| Python-turtle畫出在家上網課的你

不知道大家是什麼情況,反正我是2.17正式上課,現在已經是網課的第三個星期一了… 現在的我是這個樣子: 我jio的像我這樣的人應該不止我一個吧…🌚 不說別的了,代碼貼出來,上網課去了… from turtle import

原创 數據分析三劍客之 Matplotlib 基礎教程

其餘兩劍客: 🗡 數據分析三劍客之 Numpy 基礎教程 🗡 數據分析三劍客之 Pandas 基礎教程 目錄0.1 先導條件:0.2 前言:matplotlib字體安裝1 畫布(figure):1.1 基本演示:1.2

原创 震驚!我用Python分析了天蠶土豆的玄幻三部曲竟然發現...

今天在偶然網絡上又看到了這個神梗: 恐怖如斯恐怖如斯恐怖如斯恐怖如斯… 印象深刻啊…又回到了2015年,我清晰地記得入坑晚的我我中考前一晚追完了《鬥破蒼穹》,才安心睡覺… 但是後來由於多方原因,《武動乾坤》和《大主宰》我都沒有從頭

原创 pyquery爬取天蠶土豆經典玄幻三部曲

鬥破蒼穹: import re import threading from pyquery import PyQuery as pq headers = { 'User-Agent': 'Mozilla/5.0 (Win

原创 計算機網絡-傳輸層例題彙總

主機甲與主機乙之間已建立了一個 TCP 鏈接,主機甲向主機乙發送了兩個連續的 TCP 段,分別包含 300 字節和 500 字節的有效載荷,第一個報文段序號爲 200 ,主機乙正確接受到兩個段後,發送給主機甲的確認序列號 是 (

原创 python視頻字符化帶你回到2018年的夏天

先看看原圖和對比圖吧: 涉及到的第三方庫有: `opencv`,`PIL`,`moviepy`,`theading 沒有安裝的請自行pip安裝 main函數三個參數分別爲(原始視頻路徑,字符視頻名稱,最終視頻名稱) 其中第