对于某些连续变量（比如周期变量），使用高斯分布建模并不合适。 为什么不合适？ 考虑观测数据集的均值问题，首先假设为弧度，很明显平均值强烈依赖坐标系（原点）的选取。为了找一个均...
发简信
IP属地：河北
-
2.3.8 周期变量 -
2.3.7 学⽣t分布先丢个链接：https://www.matongxue.com/madocs/580/ 链接中的学生t分布公式： 书中的t分布 以下要从高斯分布推导出学生t分布 已知高斯分布...
-
2.3.6 ⾼斯分布的贝叶斯推断2.3.4, 2.3.5 高斯分布的最大似然估计给出了对于参数和的点估计，这里我们引入这些参数的先验分布，来介绍一种贝叶斯方法。 首先我们假设方差已知，要从一组次观察中推断均...
-
2.3.5 顺序估计本章存疑2.3.4讨论了高斯分布的最大似然估计，现在来讨论一个更一般的话题：最⼤似然的顺序估计。 顺序的⽅法允许每次处理⼀个数据点，然后丢弃这个点。这对于在线应⽤很重要。并且...
-
2.3.4 高斯分布的最大似然估计
给定一个数据集，其中观测嘉定是独立从多元高斯分布中抽取的，那我们可以用最大似然来估计分布的参数和高斯分布公式对数似然函数为 似然函数对数据集的依赖体现在和，对进行求导，应用二...
-
2.3.2 边缘高斯分布
由上一章知道如果联合分布为高斯分布，则条件概率分布也是高斯分布，现在讨论边缘概率分布和上一章一样，我们从联合分布的指数项的二次型出发，找出边缘分布的均值和方差 再次拿出使用分...
-
2.3.1 条件高斯分布
多元高斯的一个重要性质： 若果两组变量是联合高斯分布，那以一组变量维条件，另一组变量同样是高斯分布。类似的，任何一个变量的边缘分布也是高斯分布 首先来考虑条件概率的情形，本章...
-
-
2.3.3 高斯变量的贝叶斯定理
贝叶斯定理：， 已知2.3.1 条件高斯分布： 2.3.2 边缘高斯分布： 求联合分布的表达式，为此，定义 由(2.42),(2.43) 知 考虑联合概率分布的对数 将最右边...
-
Leetcode DP4 Wildcard Matching
太难了，没做出来 给个例子自己体会： 代码：https://blog.csdn.net/ymzmdx/article/details/44709273
-
-
7 深度学习中的正则化1 参数泛数惩罚 1.1. 参数正则化通常被称为权重衰减的 参数泛数惩罚。这个正则化策略通过向目标函数添加一个正则项，使权重更接近原点。只有在显著减小目标函数方向上的参数会...
-
Leetcode DP3 最长合法括号
题目 Given a string containing just the characters '(' and ')', find the length of the lo...
-
Unet 论文解读 代码解读论文地址：http://www.arxiv.org/pdf/1505.04597.pdf 论文解读 Architecture:a. U-net建立在FCN的网络架构上，作者修...
