有學(xué)過微積分的讀者，不妨先嘗試求下面這個(gè)定積分： 或許很快就會(huì)發(fā)現(xiàn)，微積分教科書里面提到的幾個(gè)積分求解辦法，包括換元法（Substitution），分部積分法（Integra...
發(fā)簡(jiǎn)信
IP屬地：貴州
-
一個(gè)教科書沒提到的積分求解辦法
-
期望與方差之五：兩個(gè)獨(dú)立隨機(jī)變量合并后的方差
本系列前面四篇文章，均為本文鋪墊。本文我們將要推導(dǎo)統(tǒng)計(jì)學(xué)入門時(shí)一個(gè)十分讓人困惑的公式： 或者寫成： 這組公式表示，合并兩個(gè)隨機(jī)變量后的方差，不管是相加還是相減，結(jié)果都等于這兩...
-
期望與方差之四：兩個(gè)獨(dú)立隨機(jī)變量合并后的期望
隨機(jī)變量（Random Variable）聽起來(lái)是一個(gè)很復(fù)雜的概念，但是實(shí)際上并不難理解。我們重新回到本系列文章第一篇里面的數(shù)組： 0, 1, 1, 2, 2, 2, 3, ...
-
期望與方差之三：數(shù)據(jù)線性變換后的方差
方差(Variance)是描述一組數(shù)據(jù)離散程度的一個(gè)度量，數(shù)據(jù)越是離散的，方差越大，反之越小。方差一定是正數(shù)。方差經(jīng)常用或Var(X)表示（注意用Var()表示的話，X需要大...
-
期望與方差之二：數(shù)據(jù)線性變換后的期望值
上一篇文章介紹了期望的計(jì)算公式： 其中，為每一個(gè)數(shù)據(jù)元素?cái)?shù)值，而是這個(gè)值的出現(xiàn)概率。期望值，即一個(gè)數(shù)組的總體平均值，描述這組數(shù)據(jù)的中心趨勢(shì)。在實(shí)際應(yīng)用中，我們不單要知道一組原...
-
期望與方差之一：你們究竟是什么??？
期望值（Expectation）和方差（Variance）是統(tǒng)計(jì)學(xué)入門繞不過去的兩個(gè)指標(biāo)。許多教科書一上來(lái)就用上各種符號(hào)和公式，讓一些基礎(chǔ)不好的同學(xué)摸不著頭腦。本文試圖用最直...
-
證明：三角形的三條中線，會(huì)相交于一個(gè)點(diǎn)（重心）平面三角形的中線（median），是三角形每一個(gè)頂點(diǎn)（vertex）與對(duì)邊中點(diǎn)（midpoint）的連線。三角形的三條中線，必然交于一個(gè)點(diǎn)，這個(gè)點(diǎn)稱為三角形的重心（centr...
-
C/C++ Build 過程簡(jiǎn)介Build是將源代碼轉(zhuǎn)換為可執(zhí)行文件的過程，在C/C++中，Build過程大體上分為三步： 預(yù)處理（Preprocessing） 編譯（Compiling） 鏈接（Linki...
-
《虛數(shù)的故事》前言譯文想起遙遠(yuǎn)的1954年，一切都如夢(mèng)似幻。那一年，我即將成為一名高中生，我的父親訂閱了一本叫《大眾電子》的雜志，送給我作禮物。他之所以這樣做，是因?yàn)樗旧硎且幻茖W(xué)家，而他的大兒...
-
輕松看懂機(jī)器學(xué)習(xí)十大常用算法
通過本篇文章大家可以對(duì)ML的常用算法形成常識(shí)性的認(rèn)識(shí)。沒有代碼，沒有復(fù)雜的理論推導(dǎo)，僅是圖解，介紹這些算法是什么以及如何應(yīng)用（例子主要是分類問題）。以后有機(jī)會(huì)再對(duì)單個(gè)算法做深...
-
機(jī)器學(xué)習(xí)算法——線性回歸LinearRegression線性回歸法 思想 解決回歸問題 算法可解釋性強(qiáng) 一般在坐標(biāo)軸中：橫軸是特征（屬性），縱坐標(biāo)為預(yù)測(cè)的結(jié)果，輸出標(biāo)記（具體數(shù)值） 分類問題中，橫軸和縱軸都是樣本特征屬性（腫瘤大小...
-
求解：若n是閉區(qū)間[1,96]中的整數(shù)，那么表達(dá)式n(n+1)(n+2)能被8整除的概率是多少？
根據(jù)題意，由表達(dá)式n(n+1)(n+2)輸出的整數(shù)積共有96個(gè)，從1 * 2 * 3到96 * 97 * 98。因此能確認(rèn)，所求概率的分母（總體）是96。 下面，要計(jì)算符合什...
-
K-means聚類及Python實(shí)戰(zhàn)一、參數(shù)與方法 scikit-learn中用于進(jìn)行k-means機(jī)器學(xué)習(xí)的類是sklearn.cluster.KMeans，它所涉及的參數(shù)有超過10個(gè)之多，但是最常用的其實(shí)就...
-
Anaconda分析：統(tǒng)計(jì)學(xué)知識(shí)回顧
人力資本分析的重點(diǎn)歸根結(jié)底還是在于分析，統(tǒng)計(jì)學(xué)作為數(shù)據(jù)分析的基礎(chǔ)，是每一個(gè)嘗試進(jìn)入人力資本分析領(lǐng)域的小伙伴得不得了解的內(nèi)容。 統(tǒng)計(jì)學(xué)是學(xué)什么的 統(tǒng)計(jì)學(xué)習(xí)是一套以理解數(shù)據(jù)為目的...
-
拼多多產(chǎn)品深度分析：產(chǎn)品分析篇（下）前言：?jiǎn)滩妓拐f(shuō)消費(fèi)者并不知道自己需要什么，直到我們拿出自己的產(chǎn)品，他們就發(fā)現(xiàn)，這是我要的東西。在這個(gè)商品大爆炸時(shí)代，用戶知道自己想要什么嗎？很明顯，用戶所熟知的是生活的必需品...
