均值 方差 概率 密度
机器学习-概率图模型系列-隐含马尔科夫模型-33
目录1. Hidden Markov Model2. HMM模型定义 注：参考链接 https://www.cnblogs.com/pinard/p/6945257.html 1. Hidden Markov Model 隐马尔科夫模型（Hidden Markov Model，以下简称HMM）是比较 ......
机器学习-决策树系列-贝叶斯算法-概率图模型-29
目录1. 复习条件概率2. 正式进入3. 生成式 与判别式 这个阶段的内容，采用概率论的思想，从样本里面学到知识（训练模型），并对新来的样本进行预测。 主要算法：贝叶斯分类算法、隐含马尔可夫模型、最大熵模型、条件随机场。 通过本阶段学习，掌握NLP自然语言处理的一些基本算法，本阶段的理解对于后续完成 ......
概率生成函数（[CTSC2006] 歌唱王国 题解）
如果数列 {p_n} 满足 P(X=i)=p_i（即 {p_n } 为 X 的概率质量函数 PMF 所构成的数列），那么有概率生成函数：F_X(x)=\sum^{+\infty}_{i=0}P(X=i)x^i，概率生成函数具有一些性质，这些性质可以简化我们做题时的一些推导…… ......
CF1864H Asterism Stream【概率 DP，矩阵优化】
给定一变量，初始为 \(1\)，每次等概率随机进行以下两种操作之一： 令 \(x\) 加一。 令 \(x\) 乘二。 求期望多少次操作之后 \(x\) 会 \(\ge n\)。 \(T\) 组数据，\(T\le 100\)，\(n\le 10^{18}\)。 对着 aw 老师的题解学的，感觉太深刻。 ......
Matlab中K-means聚类算法的使用（K-均值聚类）
K-means聚类算法采用的是将N*P的矩阵X划分为K个类，使得类内对象之间的距离最大,而类之间的距离最小。使用方法：Idx=Kmeans(X,K)[Idx,C]=Kmeans(X,K) [Idx,C,sumD]=Kmeans(X,K) [Idx,C,sumD,D]=Kmeans(X,K) […]= ......
概率霍夫变换（Progressive Probabilistic Hough Transform）原理详解
概率霍夫变换（Progressive Probabilistic Hough Transform）的原理很简单，如下所述： 1.随机获取边缘图像上的前景点，映射到极坐标系画曲线； 2.当极坐标系里面有交点达到最小投票数，将该点对应x-y坐标系的直线L找出来； 3.搜索边缘图像上前景点，在直线L上的点 ......
概率论复习笔记
$X$代表随机变量，$x$是具体的值。 规定：连续型随机变量取任意指定值的概率为$0$，即：$P(X=a)=0$ 概率密度函数$f(x)$ 某个邻域内概率的变化快慢。概率密度函数的值是概率的变化率，概率密度函数的面积才是概率。 于是可以得知$(a,b]$的概率：$P(a<X\le b)=\int_a ......
有关统计分析方法的一道题——证明矩估计的方差（即样本方差）是总体方差的无偏估计
今天上午考试考了这道题，但是好巧不巧自己没看具体的证明过程（可能因为自己忽略了这个部分吧）...（有关这道题当时的证明过程，我就记得了\(E(\overline{X})=\mu, D(\overline{X}) = \frac{\sigma^2}{n}\)，别的都不记得了...）考场直接破大防了.. ......
P2 偏差，方差
偏差-方差困境(the bias-variance trade-off) 举个例子 左边这个如果用单层神经网络，逻辑回归的话，就是这样一条直线，没有很好的将数据集分类，我们把这种情况称为欠拟合(underfitting)高偏差 中间这个不那么复杂但是能正确分类的算法，对数据进行了合理的处理，正正好好 ......
pandas增加列求和 平均值的多种写法
增加列： df['one'] = 1 # 增加一个固定值的列 df['total'] = df.Q1 + df.Q2 + df.Q3 + df.Q4 # 增加总成绩列 # 将计算得来的结果赋值给新列 df['total'] = df.loc[:,'Q1':'Q4'].apply(lambda x:s ......
为了降低个人股票投资者的决策误判概率，我们做了一款软件
对于个人股票投资者而言，避免投资决策误判是最重要且最首要的，盈利多少都是次要的。 这是一个什么样的软件？ 这是一个面向个人股票投资者的决策辅助工具【棱镜】，它旨在将你的分析决策逻辑转化为由文字和框架转化为算法，让计算机和算法辅助你共同决策，降低决策误判概率。网站：prismray.cn 为什么要做这 ......
概率论期末复习【更新中】
第五章 多维随机变量 多维随机变量函数的分布： 离散的： \(若X\sim B(n_1,p), Y\sim B(n_2,p),且X和Y相互独立，则X+Y\sim B(n_1+n_2,p)\) \(若X\sim P(\lambda_1)和Y\sim P(\lambda_2)相互独立，则X+Y\sim ......
EasyCVR无人机推流+人数统计AI算法，助力公共场所人群密度管控
在公园、体育场馆、景区等公共场所，区域人数统计AI算法发挥着重要的作用。通过实时监控各个区域的人数密度，管理人员可以及时采取措施，如分流、限流等，有效防范人员拥挤、踩踏等安全事故的发生。 ......
机器学习-无监督机器学习-密度聚类DBSCAN-19
目录1. DBSCAN2. OPTICS2. MeanShift 1. DBSCAN Density based clustering DBSCAN不要求我们指定cluster簇的数量，避免了异常值，并且在任意形状和大小的cluster簇中工作得非常好。它没有质心，聚类簇是通过将相邻的点连接在一起的 ......
637. 二叉树的层平均值
目录题目题解：BFS 题目 给定一个非空二叉树的根节点 root , 以数组的形式返回每一层节点的平均值。与实际答案相差 10-5 以内的答案可以被接受。 题解：BFS class Solution: def averageOfLevels(self, root: Optional[TreeNode ......
机器学习-线性分类-支持向量机SVM-合页损失-SVM输出概率值-16
目录1. SVM概率化输出2. 合页损失 1. SVM概率化输出 标准的SVM进行预测 输出的结果是： 是无法输出0-1之间的 正样本 发生的概率值 sigmoid-fitting 方法： 将标准 SVM 的输出结果进行后处理，转换成后验概率 A,B 为待拟合的参数， f 为样本 x 的无阈值输出。 ......
【快速阅读一】带蒙版的均值模糊快速实现以及其在填充无效区域时的应用。
对于现在很多相机采集的数据存在NaN或所谓的空值的情况，提出了一种高效简单的填充算法，同时这个算法也可以用于一些简答的祛痘、祛斑等环境中。 ......
概率dp
概率dp f[x]表示能走到x号城市的概率, f[1] = 1 考虑从x号城市出发到y号城市的高速公路, 通过x号城市走到y号城市的概率有多大? f[y] += f[x] / d[x], d[x]表示从x号城市出发的高速公路一共有多少条; 能走到y号城市的概率 \[f[y] = \sum_{x\in ......
金牌导航-期望概率DP
期望概率DP 例题A题解 首先，对于随机变量 \(X\) 如果设随机变量 \(Y\) 的取值集合是 \(I(Y)\)，那么有全期望公式 \[E(X)=\sum_{y\in I(Y)}E(X|Y=y)\times P(Y=y) \]其中，\(E(X|Y=y)\) 表示在 \(Y=y\) 的条件下 \( ......
偏见与概率
最近看了下一些招聘条件，有感而发，写一篇短的随笔。 企业招聘只要985/211，甚至只要985的情况也不少见了，那么双非院校里面有没有很好的学生呢？ 毫无疑问，是肯定有的，这就是一个概率的问题，重点高中（省一级示范、省二级示范）和普通高中（普高层次类高中）一本率、本科率存在很大差异。 普高的一本率基 ......
【Lidar】Open3D点云DBSCAN聚类算法：基于密度的点云聚类（单木分割）附Python代码
DBSCAN聚类算法能够发现任意形状的类别，并且对噪音数据具有较强的鲁棒性。其基本思想是，如果一个点在给定的邻域内有足够多的相邻点，那么该点就是一个核心点；如果一个点在给定的邻域内没有足够多的相邻点，那么该点就是一个边界点；如果一个点既不是核心点也不是边界点，那么该点就是噪音点。今天这篇博文给大家分... ......
解密Prompt系列21. LLM Agent之再谈RAG的召回信息密度和质量
话接上文的召回多样性优化，这一章我们唠唠召回的信息密度和质量。同样参考经典搜索和推荐框架，这一章对应排序+重排环节。我们先对比下经典框架和RAG的异同，再分别介绍几种适用大模型的排序和重排方案~ ......
ml.net例子笔记3-Infer.net概率机器学习库
Infer.net Infer.NET is a .NET Foundation project. It's also a part of ML.NET machine learning framework. https://dotnet.github.io/infer/ https://gitee ......
序贯概率比较检验
序贯概率比较检验 sequential probability ratio test (SPRT) 定义：是对于序贯抽样方案的检验方法 序贯抽样方案是指在抽样时，不事先规定总的抽样个数（观测或实验次数）,而是先抽少量样本,根据其结果，再决定停止抽样或继续抽样、抽多少，这样下去，直至决定停止抽样为止。 ......
AtCoder Beginner Contest 331 G - Collect Them All【概率期望+容斥+多项式】
题目链接：ABC331_G 写在前面 将来如果回顾这道题，建议自己看完题意一定先重新推一遍。如果还是不够熟练，多去做一些同类型的题目吧。 题意： 盒子里有 \(N\) 张卡片，每张卡片上写着一个数字，数字的范围是 \(1,...,M\)，写着数字 \(i\) 的卡片有 \(C_i\) 张\(（C_i ......
两亿大奖,一夜暴富,江西彩票、概率学、阴谋论暨景观社会
近日，中国福彩“快乐8”选七玩法中有一人投注近5万倍共中2.2亿余元，两个小目标，一夜全自由，如果你以为这是故事，那么你错了，如果你以为这是生活，那么我们都错了。 “快乐8”的快乐是真的快乐 快乐如果也分等级，那“快乐8”选10一等大奖快乐一定比选1的要高级很多。 首先明确一下“快乐8”一等奖的规则 ......
神经网络优化篇：详解偏差，方差（Bias /Variance）
偏差，方差 注意到，几乎所有机器学习从业人员都期望深刻理解偏差和方差，这两个概念易学难精，即使自己认为已经理解了偏差和方差的基本概念，却总有一些意想不到的新东西出现。关于深度学习的误差问题，另一个趋势是对偏差和方差的权衡研究甚浅，可能听说过这两个概念，但深度学习的误差很少权衡二者，总是分别考虑偏差和 ......
【机器学习】概率
掷色子实验 首先用一个张量表示事件可能出现的概率情况 然后创建多项分布 multinomial.Multinomial(totol_count, probs) 。参数 totol_count 表示抽样次数，probs 表示每个类别的概率分布 使用 .sample()方法进行抽样操作 使用图像来揭示大 ......