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...
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...
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)。...
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)...
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。...
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...
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...
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
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
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...