分析报告解读 1、模型正态性检验 运用极大似然估计，所以要对数据进行正态性检验，在这张表格中重点关注两个系数，一个是偏度系数（skew），另一个是峰度系数（kurtosis），如果偏度系数大于3，峰度系数大于8 则可能数据很有可能呈现非正态分布的情况，这时候就不能运用极大似然估计，就要选择其他的方法 ...
分类：
其他好文 时间：
2021-06-05 17:40:46
阅读次数：
0
MLE（极大似然估计）与MAP（最大后验估计）在机器学习中是经常用到的参数估计的方法。都属于频率学派的参数估计。 一、极大释然估计（MLE) MLE在构造目标函数过程中非常常见。已知了观测的样本值为$D$，MLE核心思想是：假设我们已知了该样本内定的一个参数$\theta$,这个参数$\theta$ ...
分类：
其他好文 时间：
2021-06-02 11:21:36
阅读次数：
0
一、线性回归 一、线性回归 ? 假设有数据有 ，其中 , 。其中m为训练集样本数，n为样本维度，y是样本的真实值。线性回归采用一个多维的线性函数来尽可能的拟合所有的数据点，最简单的想法就是最小化函数值与真实值误差的平方（概率解释-高斯分布加最大似然估计）。即有如下目标函数： 其中线性函数如下： ? ...
分类：
其他好文 时间：
2021-04-28 12:19:06
阅读次数：
0
使用 i++ vs. ++i i++是先赋值再加1 ++i是先加1再赋值 到目前为止，你已经学习了如何编写下面这样的 C++ for 循环： for (int i = 0; i < 10; i++) {} 这条语法同 Python 的 for 循环语法十分相似；然而，你也可以这样编写 for 循环： ...
分类：
编程语言 时间：
2021-01-18 11:25:58
阅读次数：
0
参考博客：https://www.cnblogs.com/yang901112/p/11621568.html 先估计p(z|d),p(w|z) 根据它们可以求得p(z|d,w) 根据p(z|d,w)求p(z|d),p(w|z)似然函数期望的最大值，得到p(z|d),p(w|z) 回到第二步 ...
分类：
其他好文 时间：
2021-01-06 11:59:56
阅读次数：
0
在我重新抱起概率统计的课本之前，我一直都不清楚似然函数为什么是那样子的，只知道照着公式敲代码（那时候还没有tensorflow），于是出过各种糗：“啊？似然函数不就是交叉熵吗？”“机器学习中的似然函数怎么看起来跟概率统计课本里的不一样呢？”“学长学长，我把这个model的输出接上交叉熵后怎么报错了？”“似然函数”名字的意义已经在以前的多篇文章中提过了，更通用的定义来说，似然函数就是衡量当前模型参数
分类：
其他好文 时间：
2020-12-29 11:50:10
阅读次数：
0
梯度下降推导与优化算法的理解和Python实现目录梯度下降算法推导优化算法的理解和Python实现SGDMomentumNestrovAdaGradRMSpropAdam算法的表现1梯度下降算法推导模型的算法就是为了通过模型学习，使得训练集的输入获得的实际输出与理想输出尽可能相近。极大似然函数的本质就是衡量在某个参数下，样本整体估计和真实情况一样的概率，交叉熵函数的本质是衡量样本预测值与真实值之间
分类：
编程语言 时间：
2020-12-19 12:30:58
阅读次数：
5
贝叶斯简介 先验：体现了对参数的了解，设定参数的分布 似然：引入观测数据，反映在给定参数下，观测数据的可信度 后验：基于观测数据，获得参数的分布和可信度 贝叶斯定理：后验正比于似然乘以先验 抛硬币案例 以抛硬币为例 参数为硬币朝上的概率A（表示抛一次硬币时正面朝上的可能性），定义为P(A)，此为先验 ...
分类：
编程语言 时间：
2020-11-26 14:48:53
阅读次数：
9
一开始随便注了一下，发现和第三关类似，只是从单引号变成了双引号。 继续注入，与第三关类似。 然后判断列数，直接 ?id=3") order by 4--+ 发现它还是三列，然后就继续爆库名 ?id=-3") union select 1,2,database()--+ 爆表名 ?id=-3") un ...
分类：
数据库 时间：
2020-10-10 17:04:59
阅读次数：
27
极大似然估计 https://zhuanlan.zhihu.com/p/26614750 EM算法详解 https://www.cnblogs.com/USTC-ZCC/p/10845506.html ...
分类：
编程语言 时间：
2020-09-18 00:01:45
阅读次数：
26
