公式原理 对于随机变量$X$，\(Y\)，协方差$COV(X,Y)=E(X-\bar)(Y-\bar)=E(XY)-EXEY$ 假设选取n个样本即，对于总体$X$的样本即为$X_1=[x_1,x_2,x_3,...]\(，均值记为\)\bar=\frac{1}\sum_i$，$Y$同上 样本方差计算 ...
分类：
其他好文 时间：
2020-09-08 20:42:48
阅读次数：
82
树回归 当回归的数据呈现非线性时，就需要使用树回归。 树回归的基本逻辑 遍历所有特征 针对某一特征，遍历该特征的所有值 针对某一特征值，进行划分数据，计算出划分数据之后的总方差， 若总方差最小，记下特征和特征值 当遍历完所有特征后，就能够获得最小方差的特征和特征值，并以此作为树的结点，划分左右子树， ...
分类：
其他好文 时间：
2020-09-07 19:22:59
阅读次数：
74
之前说到了贝叶斯滤波的原理和计算，最终我们发现，贝叶斯滤波在预测步和更新步，每一轮都需要进行多次无穷积分，这就要求我们清楚的知道每一步需要的概率密度函数，这样实在难以求解甚至无解析解，于是人们想了一些办法来解决。 为了求解贝叶斯滤波，人们的方法主要分成两种： 智力派：核心思想是做出假设，在一些特定情 ...
分类：
编程语言 时间：
2020-08-29 15:25:27
阅读次数：
48
上篇文章 强化学习——时序差分 (TD) SARSA and Q-Learning 我们介绍了时序差分TD算法解决强化学习的评估和控制问题，TD对比MC有很多优势，比如TD有更低方差，可以学习不完整的序列。所以我们可以在策略控制循环中使用TD来代替MC。优于TD算法的诸多优点，因此现在主流的强化学习 ...
分类：
编程语言 时间：
2020-08-10 15:45:57
阅读次数：
77
逻辑回归 一、什么是逻辑回归 是用于处理因变量为分类变量的回归问题，常见的是二分类或二项分布问题，也可以处理多分类问题，它实际上是属于一种分类方法。主要思想是用最大似然概率方法构造方差，为最大化方差，利用牛顿梯度上升求解方差参数。 优缺点如下： 1 优点：计算代价不高，易于理解和实现。 2 缺点：容 ...
分类：
其他好文 时间：
2020-08-07 12:31:57
阅读次数：
64
接触3D tracking一周多，学习一下kalman filters。借鉴优质博客，自己记录下来，便于总结和巩固。 ref:https://www.zhihu.com/people/huang-piao-72/posts?page=1 卡尔曼滤波器是多目标跟踪任务中的一个经典的运动模型。 1 背景 ...
分类：
其他好文 时间：
2020-08-04 23:59:31
阅读次数：
79
1、常见的降维的方法有：主成分分析，线性判别分析，等距映射，局部线性插入，拉不拉斯特征映射，局部保留投影。 一、PCA: 2、:主成分分析法，最经典的降维的方法，是一种线性，非监督，全局的降维方法。 最大方差理论： 3、PCA旨在找到数据中的主成分，用这些主成分表征原始数据，达到降维的目的。信号具有 ...
分类：
其他好文 时间：
2020-07-30 22:04:18
阅读次数：
75
1、sklearn.preprocessing 数据预处理StandardScaler：如果某个特征的方差远大于其它特征的方差，那么它将会在算法学习中占据主导位置，导致我们的学习器不能像我们期望的那样，去学习其他的特征，这将导致最后的模型收敛速度慢甚至不收敛，因此我们需要对这样的特征数据进行标准化/ ...
分类：
编程语言 时间：
2020-07-30 14:23:29
阅读次数：
72
模型性能的度量 在监督学习中，已知样本 ，要求拟合出一个模型（函数），其预测值与样本实际值的误差最小。 考虑到样本数据其实是采样，并不是真实值本身，假设真实模型（函数）是，则采样值，其中代表噪音，其均值为0，方差为。 拟合函数的主要目的是希望它能对新的样本进行预测，所以，拟合出函数后，需要在测试集（ ...
分类：
其他好文 时间：
2020-07-29 15:11:56
阅读次数：
68
转自：https://www.cnblogs.com/chaosimple/p/4153167.html 一、标准化（Z-Score），或者去除均值和方差缩放 公式为：(X-mean)/std 计算时对每个属性/每列分别进行。 将数据按期属性（按列进行）减去其均值，并处以其方差。得到的结果是，对于每 ...
分类：
其他好文 时间：
2020-07-28 17:09:32
阅读次数：
72
