1，T检验和F检验的由来 一般而言，为了确定从样本(sample)统计结果推论至总体时所犯错的概率，我们会利用统计学家所开发的一些统计方法，进行统计检定。 通过把所得到的统计检定值，与统计学家建立了一些随机变量的概率分布(probability distribution)进行比较，我们可以知道在多少 ...
分类：
其他好文 时间：
2016-12-16 07:46:10
阅读次数：
238
K-means(K均值)是基于数据划分的无监督聚类算法。 一、基本原理 聚类算法可以理解为无监督的分类方法，即样本集预先不知所属类别或标签，需要根据样本之间的距离或相似程度自动进行分类。聚类算法可以分为基于划分的方法、基于联通性的方法、基于概率分布模型的方法等，K-means属于基于划分的聚类方法。 ...
分类：
编程语言 时间：
2016-12-15 17:52:05
阅读次数：
242
一、概念 英文名称：white Gaussian noise; WGN 定义：均匀分布于给定频带上的高斯噪声； 所谓高斯白噪声中的高斯是指概率分布是正态函数，而白噪声是指它的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性。这是考察一个信号的两个不同方面的问题。 高斯白噪声：如果一个噪声，它 ...
分类：
其他好文 时间：
2016-12-05 22:50:46
阅读次数：
354
1、介绍 朴素贝叶斯方法，朴素指特征条件独立，贝叶斯指贝叶斯定理。算法可用来做分类，既可以是判别模型，也可以是生成模型。训练的时候，学习输入输出的联合概率分布，分类的时候，利用贝叶斯定理计算后验概率最大的输出。一句话总结：根据先验概率和条件概率分布，得到联合概率分布。如下所示： 2、模型讲解 条件概 ...
分类：
编程语言 时间：
2016-11-29 17:12:09
阅读次数：
593
3-3 证明：I(X;Y)=H(X)-H(X|Y) 3-9 证明：没有冗余度的信源还能不能压缩？为什么？ 能。没有冗余度的信源，我们只能进行有损压缩，不能进行无损压缩。 3-12 证明：等概率分布的信源还能不能压缩？为什么？你能举例说明吗？ 能：至少可以进行有损压缩。因为“等概”未必“不相关”，例如 ...
分类：
其他好文 时间：
2016-11-26 02:19:20
阅读次数：
107
3-3、证明：I(X;Y)=H(X)-H(X|Y) 。 3-9、没有冗余度的信源还能不能压缩？为什么？ 答：能，没有冗余度的信源能进行有损压缩，不能进行无损压缩。 因为无损压缩中： 数据=信息+冗余量. 因为信源没有冗余量因此不能再进行无损压缩。 3-12、等概率分布的信源还能不能压缩？为什么？举例 ...
分类：
其他好文 时间：
2016-11-26 02:10:00
阅读次数：
186
3-3 证明：I(X;Y)=H(X)-H(X|Y) 3-9 没有冗余的信源还能不能压缩？为什么？ 答：能，不能进行无损压缩，可以进行有损压缩。 3-12 等概率分布的信源还能不能压缩？为什么？你能举例说明吗？ 答：至少可以有损压缩。另外，“等概”未必“不相关”，例如对方波信号或锯齿波信号的均匀取样值 ...
分类：
其他好文 时间：
2016-11-25 23:58:49
阅读次数：
449
3-3 证明：I(X;Y)=H(X)-H(X|Y) 3-9 没有冗余的信源还能不能压缩？为什么？ 答：能。因为没有冗余信息源，不能进行无损压缩，能进行有损压缩。 3-10 不相关的信源还能不能压缩？为什么？ 答：至少可以进行有损压缩。因为“等概”未必“不相关”，例如：对正弦信号的均匀取样值。 3-1 ...
分类：
其他好文 时间：
2016-11-25 23:57:48
阅读次数：
387
3-3 证明：I(X;Y)=H(X)-H(X|Y) ： 3-9 没有冗余的信源还能不能压缩？为什么？ 答：不能进行无损压缩，可以进行有损压缩。 3-10 不相关的信源还能不能压缩？为什么？ 答：至少可以进行有损压缩。因为“等概”未必“不相关”，例如：对正弦信号的均匀取样值。 3-12 等概率分布的信 ...
分类：
其他好文 时间：
2016-11-25 23:46:33
阅读次数：
257
3-3 证明：I(X;Y)=H(X)-H(X|Y) 由上式得： I（x，y）=H（x）-H（x|y） 左边等于右边，得证。 3-9 没有冗余的信源还能不能压缩？为什么？ 不能进行无损压缩，可以进行有损压缩。 3-12 等概率分布的信源还能不能压缩？为什么？你能举例说明吗？ 至少可以有损压缩。因为“等 ...
分类：
其他好文 时间：
2016-11-25 23:39:08
阅读次数：
165
