1. 概率基本概念：隨機(jī)試驗(yàn)、樣本空間、隨機(jī)事件、概率 2. 事件的關(guān)系與運(yùn)算：事件關(guān)系、運(yùn)算律、完全事件組 3. 概率的基本公式：條件概率、全概率公式、Bayes 公式、乘...
IP屬地：北京
-
Task05: 隨機(jī)事件與概率
-
Task04: 特征值、特征向量與二次型
特征值和特征向量是對(duì)應(yīng)出現(xiàn)的。特征向量就是那些經(jīng)過矩陣A變換后的向量方向與變換前的方向相同或者相反的向量，也就是說(shuō)可以在某個(gè)矩陣的變換下保持在同一直線上，沒有發(fā)生角度的偏轉(zhuǎn)。...
-
Task02: 矩陣
這一講主要學(xué)習(xí)了矩陣，首先了解了矩陣的概念，也就是方程組系數(shù)的信息，以及矩陣的運(yùn)算法則（包括加法、數(shù)乘、結(jié)合律和分配律），而這也是解任意元線性方程組的一般方法的突破口。在這個(gè)...
-
Task 05 西瓜書+南瓜書第6章：支持向量機(jī)+軟間隔與支持向量回歸
西瓜書+南瓜書第6章：支持向量機(jī)+軟間隔與支持向量回歸 1、間隔與支持向量 （1）分類學(xué)習(xí)的最基本思想就是：基于訓(xùn)練集D在樣本空間中找到一個(gè)劃分超平面，將不同類別的樣本分開。...
-
Task 04 西瓜書第5章：神經(jīng)網(wǎng)絡(luò)
西瓜書第五章神經(jīng)網(wǎng)絡(luò) 5.1M-P神經(jīng)元 5.2 感知機(jī) 5.3 神經(jīng)網(wǎng)絡(luò) 1）神經(jīng)元是神經(jīng)網(wǎng)絡(luò)中的基礎(chǔ)元件，其接收來(lái)自n 個(gè)其它神經(jīng)元傳遞過來(lái)的輸入信號(hào)，這些輸入數(shù)據(jù)通過加...
-
Task 03 西瓜書第4章：決策樹
在機(jī)器學(xué)習(xí)算法中，決策樹（decision tree）是一種基本的分類與回歸方法。決策樹模型呈樹形結(jié)構(gòu)，在分類問題中，表示基于特征對(duì)實(shí)例進(jìn)行分類的過程。它可以認(rèn)為是if-th...
-
數(shù)據(jù)可視化
ggplot2包介紹 4.1 環(huán)境配置 4.2 散點(diǎn)圖 4.3 直方圖 4.4 柱狀圖 4.5 餅狀圖 4.6 折線圖 4.7 ggplot2擴(kuò)展包主題
-
基本統(tǒng)計(jì)分析
3.1 多種方法獲取描述性統(tǒng)計(jì)量 3.2 分組計(jì)算描述性統(tǒng)計(jì) 3.3 頻數(shù)表和列聯(lián)表 3.4 相關(guān) 3.5 方差分析
-
數(shù)據(jù)清洗與準(zhǔn)備
2.1 重復(fù)值處理 2.2 缺失值識(shí)別與處理 2.2.1 缺失值識(shí)別 2.2.2 缺失值處理 2.3 異常值識(shí)別與處理 2.3.1 異常值識(shí)別 2.3.2 可視化圖形分布 2...