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，还能进行有损压缩，但是不能进行无损压缩。 因为无损压缩 数据=信息+冗余量 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：至少可以进行有损压缩。因为 ...
分类：
其他好文 时间：
2016-11-17 19:33:48
阅读次数：
137
作者：Noriko Oshima链接：https://www.zhihu.com/question/41252833/answer/108777563来源：知乎著作权归作者所有，转载请联系作者获得授权。 熵的本质是香农信息量()的期望。现有关于样本集的2个概率分布p和q，其中p为真实分布，q非真实分 ...
分类：
其他好文 时间：
2016-11-16 11:16:34
阅读次数：
338
http://closure11.com/rcnn-fast-rcnn-faster-rcnn%E7%9A%84%E4%B8%80%E4%BA%9B%E4%BA%8B/ 首先看fast r-cnn这篇论文，中间加入了有些博友的想法。 问题 目标检测主要面临两个问题：过多的候选位置（proposals ...
分类：
其他好文 时间：
2016-11-16 02:47:22
阅读次数：
262
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？ 答：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：
2016-11-15 14:03:45
阅读次数：
173
作业5 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？ 答：至少可以进行有损压缩。因为“等概”未必“不相关 ...
分类：
其他好文 时间：
2016-11-15 13:28:51
阅读次数：
216
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？ 答：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：
2016-11-15 13:13:44
阅读次数：
154
1 将决策树看作条件概率分布 决策树可表示为给定特征条件下类的条件概率分布。即，将特征空间划分为互不相交的单元，每个单元对应于决策树中一条从根节点到叶节点的路径。每个单元对应一个条件概率分布。一个好的决策树在叶节点上的条件概率（即一个单元内的条件概率）应该偏向某个类，即保证叶子节点内的数据的熵很小。 ...
分类：
其他好文 时间：
2016-11-10 03:08:44
阅读次数：
220
生成模型与判别模型 zouxy09@qq.com http://blog.csdn.net/zouxy09 一直在看论文的过程中遇到这个问题，折腾了不少时间，然后是下面的一点理解，不知道正确否。若有错误，还望各位前辈不吝指正，以免小弟一错再错。在此谢过。 一、决策函数Y=f(X)或者条件概率分布P( ...
分类：
其他好文 时间：
2016-11-08 09:43:01
阅读次数：
208
几个分布函数： PMF（概率质量函数）：离散随机变量在各特定取值上的概率。 PDF（概率密度函数）：对连续随机变量定义，只有对连续随机变量的取值进行积分后才是概率。 CDF（累积分布函数）：能完整描述一个实数随机变量X的概率分布，是PDF的积分。 监督学习：基于已知类别的样本调整分类器的参数，使其达 ...
分类：
编程语言 时间：
2016-11-01 19:33:31
阅读次数：
280
判别式模型与生成式模型的区别 产生式模型(Generative Model)与判别式模型(Discrimitive Model)是分类器常遇到的概念，它们的区别在于： 对于输入x，类别标签y：产生式模型估计它们的联合概率分布P(x,y)判别式模型估计条件概率分布P(y|x)产生式模型可以根据贝叶斯公 ...
分类：
其他好文 时间：
2016-10-23 17:28:48
阅读次数：
172
