近代数字重要奠基人之一的德国数学家高斯曾说:“数学是科学的‘皇后’。”在“大数据”和“人工智能”的浪潮中,算法是核心,而数学、统计学、概率论与算法息息相关。线性代数:如何将研究对象形式化?事实上,线性代数不仅仅是人工智能的基础,更是现代数学和以现代数学作为主要分析方法的众多学科的基础。从量子力学到图像处理都离不开向量和矩阵的使用。而在向量和矩阵背后,线性代数的核心意义在于提供了?种看待世界的抽象视
分类:
其他好文 时间:
2019-06-17 17:41:55
阅读次数:
132
Note sth about GMM(Gaussian Mixtrue Model) "高斯混合模型的终极理解" "高斯混合模型(GMM)及其EM算法的理解" 这两篇博客讲得挺好,同时讲解了如何解决GMM参数问题的EM算法,其实GMM式子没有什么高深的地方,都是概率论的东西,主要是构思比较巧妙。 动 ...
分类:
其他好文 时间:
2019-06-17 12:38:18
阅读次数:
105
random库是用于产生并运用随机数的标准库。 从概率论角度来说,随机数是随机产生的数据(比如抛硬币),但时计算机是不可能产生随机值,真正的随机数也是在特定条件下产生的确定值,计算机不能产生真正的随机数,只能产生伪随机数 一、调用语句: 二、基本随机数函数 (一)seed(a):设置初始化随机种子, ...
分类:
编程语言 时间:
2019-06-07 19:11:34
阅读次数:
127
个人觉得github上的中文版翻译的不错,有700多页,深度学习入门经典书籍,前几章的数学基础介绍的相当不错。第一部分基本就是统计学习最基础的线性代数,概率论等,第4章值得一读,讲了些数值分析里常涉及的几个概念(Poor Conditioning, Optimization method)。第5章介 ...
分类:
其他好文 时间:
2019-06-04 19:23:04
阅读次数:
266
基础知识 1、数学,这个一般理工科都会学,如果想走机器学习(算法)的道路,更加要学好 * 高等数学 * 离散数学 * 线性代数 * 概率论与数理统计 2、专业基础课有十多门,其中最重要的是四门如下 * 数据结构与算法 * 计算机组成原理 * 操作系统 * 计算机网络 以上这些基础知识,决定你能学得多 ...
分类:
其他好文 时间:
2019-05-28 12:48:54
阅读次数:
118
序言 在计算机领域每推开一扇门都会进入一个全新的世界。 线性代数 线性代数有什么用?! 线性代数有什么用?! 概率论 形式逻辑 数理统计 资料 ...
分类:
其他好文 时间:
2019-05-25 12:31:51
阅读次数:
86
概率论是统计学的基础 概率论基本名词概念 实验, 样本空间, 实验: 对某个现象进行的一次观察或者实验 随机实验: 可以在相同的条件下重复进行 实验的可能结果不止一个, 实验知道所有的可能结果 实验前不确定你是个可能的结果会出现 样本空间: 随机实验可能出现的结果的集合 每个可能的结果为样本的 事件... ...
分类:
其他好文 时间:
2019-05-24 19:25:54
阅读次数:
100
预览 参考书籍:浙大概率论与数理统计, 俄罗斯的概率教材, 概率-施利亚耶夫著作, 统计学及应用-sarah boslaugh著作 统计学分类: 描述统计学:展示数据, 描述数据的集中和离散程度 推断统计学:根据样本数据推断总体的数据特征 统计趋势: 集中趋势, 离散趋势 统计学应用: 有数据, 就... ...
分类:
其他好文 时间:
2019-05-24 00:52:25
阅读次数:
222
机器学习是实现人工智能的一种途径,它和数据开掘有一定的相似性,也是一门多领域交叉学科,触及概率论、核算学、逼近论、凸剖析、核算复杂性理论等多门学科。对比于数据开掘从大数据之间找互相特性而言,机器学习愈加注重算法的设计,让核算机可以白动地从数据中“学习”规则,并利用规则对不知道数据进行猜测。因为学习算 ...
分类:
编程语言 时间:
2019-05-22 12:38:51
阅读次数:
186
一、概念理解 机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。 它是人工智能的核心,是使计算机具有智 ...
分类:
其他好文 时间:
2019-05-20 13:36:32
阅读次数:
143