发表服务
1.对概率图模型的理解概率图模型是用图来表示变量概率依赖关系的理论，结合概率论与图论的知识，利用图来表示与模型有关的变量的联合概率分布。由图灵奖获得者Pearl开发出来。如果用一个词来形容概率图模型（Pro…
相互的事件A，B，如果用韦恩图（集合思想）表示如下图：.矩形内表示一个集合，包括两个事件，A与B相互，没有交集，说明A与B相互分离，所以画法如上所示。.韦恩图又叫文氏图、Venn图、温氏图、维恩图、范氏图，是在所谓的集合论数学分支中，在...
目录一、背景知识1.累积分布函数2.概率密度函数3.核密度估计二、画出一组数据的分布（概率密度函数）1.数据的频率分布直方图2.画出给定数据的频率分布直方图3.画出给定数据的概率密度函数做ML时，往往需要先分析手头的数据，比如数据集中某个特征的分布特性。
因为它主要就是用来表示集合之间的一些逻辑关系，所以我们在样本空间上可以使用它来表示各个事件之间的关系，使得相对抽象一点的集合关系变成更加容易理解和观察的图形之间的关系。.而事件的性是定义在概率的基础上的，而概率是定义在概率空间...
强化学习所研究的是作为主体的智能体与作为客体的环境交互的序贯决策过程。在数学上，我们会将其规范化为一个马尔可夫决策过程（MarkovDecisionProcess，简称为MDP）。由于MDP是强化学习所面对的问题，所以在本…
在知乎上写的第一篇文章。几个月前就打算写一些关于目前学习和研究内容的笔记，但迟迟没有动笔。几天前@王赟Maigo在专栏文章10560怎样在球面上「均匀」排列许多点？（上）及10561怎样在球面上「均匀」排列…
大数据、人工智能、海难搜救、生物医学、邮件过滤，这些看起来彼此不相关的领域之间有什么联系？答案是，它们都会用到同一个数学公式——贝叶斯公式。它虽然看起来很简单、很不起眼，但却有着深刻的内涵。那么贝叶斯公式是如何从默默无闻到现在广泛应用、无所不能的呢？
在做分类时常常需要估算不同样本之间的相似性度量(SimilarityMeasurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。而度量距离的方法有：欧式距离、曼哈顿距离、切比雪夫距离、闵可夫斯基距离、马氏距离等等。
Partition-basedmethods：其原理简单来说就是，想象你有一堆散点需要聚类，想要的聚类效果就是“类内的点都足够近，类间的点都足够远”。首先你要确定这堆散点最后聚成几类，然后挑选几个点作为初始中心点，再然后依据预先定好的启发式算…
8篇论文深入学习深度估计：深度预测；自我运动学习；《冰雪奇缘》了解移动人物深度.雷锋网AI科技评论编者按：这篇文章介绍了几篇具有指导意义的论文，助你深入了解何为深度估计。.深度估计是一种计算机视觉任务，旨在从2D图像中估计深度。.这个...
1.对概率图模型的理解概率图模型是用图来表示变量概率依赖关系的理论，结合概率论与图论的知识，利用图来表示与模型有关的变量的联合概率分布。由图灵奖获得者Pearl开发出来。如果用一个词来形容概率图模型（Pro…
相互的事件A，B，如果用韦恩图（集合思想）表示如下图：.矩形内表示一个集合，包括两个事件，A与B相互，没有交集，说明A与B相互分离，所以画法如上所示。.韦恩图又叫文氏图、Venn图、温氏图、维恩图、范氏图，是在所谓的集合论数学分支中，在...
目录一、背景知识1.累积分布函数2.概率密度函数3.核密度估计二、画出一组数据的分布（概率密度函数）1.数据的频率分布直方图2.画出给定数据的频率分布直方图3.画出给定数据的概率密度函数做ML时，往往需要先分析手头的数据，比如数据集中某个特征的分布特性。
因为它主要就是用来表示集合之间的一些逻辑关系，所以我们在样本空间上可以使用它来表示各个事件之间的关系，使得相对抽象一点的集合关系变成更加容易理解和观察的图形之间的关系。.而事件的性是定义在概率的基础上的，而概率是定义在概率空间...
强化学习所研究的是作为主体的智能体与作为客体的环境交互的序贯决策过程。在数学上，我们会将其规范化为一个马尔可夫决策过程（MarkovDecisionProcess，简称为MDP）。由于MDP是强化学习所面对的问题，所以在本…
在知乎上写的第一篇文章。几个月前就打算写一些关于目前学习和研究内容的笔记，但迟迟没有动笔。几天前@王赟Maigo在专栏文章10560怎样在球面上「均匀」排列许多点？（上）及10561怎样在球面上「均匀」排列…
大数据、人工智能、海难搜救、生物医学、邮件过滤，这些看起来彼此不相关的领域之间有什么联系？答案是，它们都会用到同一个数学公式——贝叶斯公式。它虽然看起来很简单、很不起眼，但却有着深刻的内涵。那么贝叶斯公式是如何从默默无闻到现在广泛应用、无所不能的呢？
在做分类时常常需要估算不同样本之间的相似性度量(SimilarityMeasurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。而度量距离的方法有：欧式距离、曼哈顿距离、切比雪夫距离、闵可夫斯基距离、马氏距离等等。
Partition-basedmethods：其原理简单来说就是，想象你有一堆散点需要聚类，想要的聚类效果就是“类内的点都足够近，类间的点都足够远”。首先你要确定这堆散点最后聚成几类，然后挑选几个点作为初始中心点，再然后依据预先定好的启发式算…
8篇论文深入学习深度估计：深度预测；自我运动学习；《冰雪奇缘》了解移动人物深度.雷锋网AI科技评论编者按：这篇文章介绍了几篇具有指导意义的论文，助你深入了解何为深度估计。.深度估计是一种计算机视觉任务，旨在从2D图像中估计深度。.这个...
发表服务