3、 多维随机变量的分布 （1）多项分布 可参见https://blog.csdn.net/jteng/article/details/54632311 多项分布是对二项分布的扩展，二项分布是单变量分布，而多项分布式多变量分布。 二项分布每次试验试验只有两种结果，而多项分布每次试验则会有多种可能性， ...
分类：
其他好文 时间：
2020-03-29 18:18:04
阅读次数：
92
[toc] 第2节 单变量分析 2.1 征信矢量 不管是一代还是二代征信报告，其包含的信息都是繁多且复杂的，并且无法直接使用原始数据进行CA分析和建模，为了快速、准确、全面地获取征信信息，需要对征信进行矢量提取，得到征信矢量。 提取征信矢量原则 ： 内容：涵盖个人信息、信贷记录、逾期记录、查询记录、 ...
分类：
其他好文 时间：
2020-03-13 18:58:29
阅读次数：
103
4.1 面向对象程序设计的基本特点 4.4.1 抽象 抽象是对具体对象（问题）进行概括，抽出这一类对象的公共性质并加以描述的过程。首先注意的是问题的本质及描述，其次是解决问题的具体过程对一个问题的抽象应该包括两个方面:数据抽象和行为抽象(或称为功能抽象、代码抽象) 数据抽象：描述某类对象的属性或状态 ...
分类：
编程语言 时间：
2020-03-02 01:03:09
阅读次数：
122
单变量线性回归 单变量线性回归指的是只有一个自变量； 线性回归是一种有监督学习，解决的是自变量和因变量之间的关系； 回归指的是因变量是连续性的，而如果因变量是离散型的，则是分类问题。 监督学习算法的工作方式可以用如下这张图表示： 将训练集喂给机器学习算法，输出一个假设函数 h，然后新输入一个自变 x ...
分类：
其他好文 时间：
2020-02-26 16:54:55
阅读次数：
80
通过对代价函数的理解，了解了以下几个点： 1.单变量线性回归：h(x)=&+kx 2.参数:hypothesis 3.代价函数 4.建模误差 这个就是单变量线性回归的h(x)，还有代价函数转换后与建模误差的直观体现，在途中我们也看到了函数的最低点也就是代价函数中的J(x)的最小值，直观体现在这两个坐 ...
分类：
其他好文 时间：
2020-02-22 00:20:01
阅读次数：
80
要想使用遗传算法，首要任务是定义DNA编码。 传统的 GA 中, DNA 我们能用一串二进制来表示, 比如: DNA1 = [1, 1, 0, 1, 0, 0, 1] DNA2 = [1, 0, 1, 1, 0, 1, 1] 这里，我们仍然使用二进制编码，但是如何与我们的问题对应起来呢？ 我们知道二 ...
分类：
编程语言 时间：
2020-01-29 16:29:35
阅读次数：
148
1.模型描述 拟合函数 $h_{\theta}(x)=\theta_{0}+\theta_{1} x$ $x=(x^{(1)},x^{(2)}...x^{(m)})$训练集 $h=(h^{(1)},h^{(2)}...h^{(m)})$训练集 共m个样本 参数 $\theta_{0}$是回归系数 $ ...
分类：
其他好文 时间：
2020-01-22 18:17:19
阅读次数：
88
很多场合下，我们感兴趣的试验进行了很多次，但其中成功的却发生的相当稀少。例如一个芯片的生厂商想要把生产出的芯片做一番检测后再出售。每个芯片都有一个不能正常工作的微小概率p，在数量为n的一大批芯片中，出现r个故障芯片的概率是多少？ 相关阅读 单变量微积分30——幂级数和泰勒级数 概率统计13——二项分 ...
分类：
其他好文 时间：
2020-01-20 21:07:03
阅读次数：
87
一、Model Representation 还是以房价预测为例，一图胜千言： 表示一个从 到`y`的函数映射。 二、Cost Function 因为是单变量线性回归，所以假设函数是： $$h_{\theta}(x)=\theta_0+\theta_1x$$ 所以接下来的问题是怎样确定参数$\the ...
分类：
其他好文 时间：
2020-01-01 23:56:29
阅读次数：
131
