常用希腊字母符号： 正态分布公式 曲线可以表示为：称x服从正态分布，记为 X~N(m,s2)，其中μ为均值，s为标zhuan准差，X∈（-∞，+ ∞ )。 其中 根号2侧部分 可以看成 密度函数的积分为1，你就可以看成为了凑出来1特意设置的 一个 框架 无实际意义。 标准正态分布另正态分布的μ为0，s为1。 判断一组数是否符合正态分布主要看 P...
常见的聚类算法 1. K-Means(K均值)聚类 算法步骤： (1) 首先我们选择一些类/组，并随机初始化它们各自的中心点。中心点是与每个数据点向量长度相同的位置。这需要我们提前预知类的数量(即中心点的数量)。 (2) 计算每个数据点到中心点的距离，数据点距离哪个中心点最近就划分到哪一类中。 (3) 计算每一类中中心点作为新的中心点。 (4) 重复以上步...
高斯分布（Gaussian Distribution）的概率密度函数（probability density function） 对应于numpy中： numpy.random.normal(loc=0.0, scale=1.0, size=None) 参数的意义为： loc：float 此概率分布的均值（对应着整个分布的中心centre） scale...
一、聚类算法简介 聚类是无监督学习的典型算法，不需要标记结果。试图探索和发现一定的模式，用于发现共同的群体，按照内在相似性将数据划分为多个类别使得内内相似性大，内间相似性小。有时候作为监督学习中稀疏特征的预处理（类似于降维，变成K类后，假设有6类，则每一行都可以表示为类似于000100、010000）。有时候可以作为异常值检测（反欺诈中有用）。 应用场景：...
(原创文章，转载请注明出处！) 高斯分布的密度函数 一元高斯分布： p(x;μ,σ2)=(1/{sqrt(2π)*σ}) * exp{-(x-μ)2/(2σ2)} 期望：E(X) = μ；方差：D(X) = σ2 二元高斯分布： p(x1,x2;μ1,μ2,σ12,σ22)={ 1 / [2π*σ1σ2*sqrt(1-ρ2)] } * exp{ ...
1判别模型与生成模型 上篇报告中提到的回归模型是判别模型，也就是根据特征值来求结果的概率。形式化表示为，在参数确定的情况下，求解条件概率。通俗的解释为在给定特征后预测结果出现的概率。 比如说要确定一只羊是山羊还是绵羊，用判别模型的方法是先从历史数据中学习到模型，然后通过提取这只羊的特征来预测出这只羊是山羊的概率，是绵羊的概率。换一种思路，我们可以根据山羊...
高斯混合模型（GMM）参数优化及实现 （< xmlnamespace prefix ="st1" ns ="urn:schemas-microsoft-com:office:smarttags" />2010-11-13） 1 高斯混合模型概述< xmlnamespace prefix ="o" ns ="urn:schemas-micr...
机器学习中用到的一些统计方面的概念。 1. 标准差 公式： 假设一个班有30个学生，每个学生的语文课的考试成绩是 Xi， 平均分是80，标准差 不是每个学生的成绩减去平均分的平方的和，再除以学生数，然后再开方。 意义： 标准差越大，表示学生之间的水平相差较大。 2. 加权均值 平均值计算时，按照权重的。比如...
引用 keendawn 的 高斯（核）函数简介1函数的基本概念 所谓径向基函数 (Radial Basis Function 简称 RBF), 就是某种沿径向对称的标量函数。 通常定义为空间中任一点x到某一中心xc之间欧氏距离的单调函数 , 可记作 k(||x-xc||), 其作用往往是局部的 , 即当x远离xc时函数取值很小。最常用的径向基函数是高斯核...
前言：回去刷数论的题，发现自己的高斯消元是0分。。。。。。很可能是当年交上去了没看结果就直接过了。。。。。。回来博客园搜自己之前对高斯消元的讲解想看看，没看到。只能从头过了一遍，顺便补上之前的锅。 高斯消元： 什么是高斯消元： 线性代数规划中的一个算法，可用来为线性方程组求解——度娘 在现阶段的学习中，高斯消元常被应用于求多项式的解： 形如 x+3y+2...