概率
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。 ......
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 ......
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 ......
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。 ......
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 ......
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 ......
【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 ......
期望概率
0.前情提要 别想翻盘了，赶紧搞你那 whk 去吧。 学点期望概率以后用。 1. 一些需要知道的 有关概率 约定 \(P(A)\) 为 \(A\) 事件发生的概率。 条件概率 \(P(A|B)\) 表示，在 \(B\) 已经发生的情况下，\(A\) 事件发生的概率。由条件概率的定义，可以得到算式： ......
绕过cdn查询真实ip地址（概率性，不一定成功）
背景 通常网站站点加了cdn以后，一般无法解析到真实的ip地址，这时候想通过ip加端口的方式获取数据就不太可能，但是如果ngix代理禁止了ip访问，获取到真实ip也没用，会显示nginx forbidden，但是别的协议应该还是可以走，只是http的协议走不了 如何查看网站是否加了cdn 目标：ht ......
换牌中奖概率
问题 有三张牌只有一张有奖，任选一张后主持人翻开剩余两张之中没奖的一张，此时有一次换牌机会，换还是不换呢 先来实验 function fn() { // 模拟中奖卡牌 let arr = [0, 0, 0] let index = ~~(Math.random() * 3) arr[index] = ......
熵模型-为什么使用条件概率优于个元素独立的全分解模型？
熵模型 论文<VARIATIONAL IMAGE COMPRESSION WITH A SCALE HYPERPRIOR 提出使用超先验，来捕获潜在表示的超先验。 追根溯源发现：在香农的通信理论中给出数学解释 即，使用联合分布比独立分布更优 如果有先验的信息，对后续编码而言其不确定性会更小，从而获得 ......
Probabilistic principal component analysis-based anomaly detection for structures with missing data（概率主成分分析PPCA）
SHM can provide a large amount of data that can reveal the variation in the structure condition什么是压缩传感，数据重构，研究背景与意义，怎么用 基于模型的方法不可避免的缺点是模型的不确定性，因为很难创建能 ......
每日一题003 | 证明：连续分布函数序列的点态收敛可以推出相应的分位数随机变量序列的依概率收敛。
?概率极限理论经典习题2：连续分布函数序列的点态收敛可以推出相应的分位数随机变量序列的依概率收敛。来自茆诗松《概率论与数理统计》第四章的习题。 ......
实现不同概率对应不同level思路
背景 现在我要实现一个level，有1/2概率level=1,1/4概率level=2,1/8概率level=3。。。。 典型应用跳表中的randomLevel，这里提供两种实现思路 随机累加 简单点多次循环随机，小于1/2则level+1 level = 1 while (rand.float(0 ......
【数学】- 概率论
概率论 参考：https://zhuanlan.zhihu.com/p/330669300 简介 被期望坑过无数次了。痛定思痛，决定写一写。OI中期望常可以通过线性递推得到状态转移，所以也有很大一部分期望题因此被冠以 “期望/概率DP” 之称，属于广义的 “动态规划” 范畴。当然，OI中涉及的大多是 ......
概率期望小结论
对于一个概率 \(p\)，设它能提供的期望值为命中此概率的次数。那么保持这个概率直至命中此概率的期望值为 \(\frac{1}{p}\) 证明： \[\begin{aligned} \sum\limits_{i = 1}^{\infty} (1 - p) ^ {i - 1} * p * i &= p ......
一文带你零基础深入理解随机变量，概率分布与统计量
一. 随机事件与概率 1.1 随机现象 在自然界和人类活动中，发生的现象多种多样，比如下列这些现象： 1. 偶数能被2整除 2. 光的速度是常数 3. 一家门店一天之内的订单量 4. 一个新生儿可能是男生也可能是女生 5. AB实验存在对照组和实验组 6. 李华上厕所的时间 不难发现，其中①②⑤这类 ......
关于联合概率密度和边缘概率密度的几何意义
1.这里密度比较抽象，可以理解成高度，更直观 f(x,y)可以理解成一个区域中某一点的高度，那f(x,y)的二重积分就是这个区域*对应的高度=体积 关于 边缘概率密度，实际是一个截面的面积，和高度不一样了。 fx(x)指对x的边缘密度，意义是垂直x轴切片，给一个x，输出x处的截面积 fy(y)指对y ......