前言 　　以前在许学习贝叶斯方法的时候一直不得要领,什么先验概率,什么后验概率,完全是跟想象脱节的东西,今天在听喜马拉雅的音频的时候突然领悟到,贝叶斯老人家当时想到这么一种理论前提可能也是基于一种人 ...

如何解释均值和中位数的大小关系呢？ 实验室要处理敦煌莫高窟人流数据处理的任务，观察到每个洞窟的访问时间应该时遵循正偏态分布的。于是想起数据挖掘课上提到的正偏态分布中，均值大于中位数的问题。思 ...

机器学习的三个步骤，包括了表示、评价、优化这样三个步骤，在这三个步骤当中会用到不同的数学公式来分别解决这三个问题。用到的基础数学都包括线性代数，概率统计，还有最优化理论。这是在机器学习当中用到的最基础 ...

注：这两个定理可以说是概率论中最重要的两个定理。也是由于中心极限定理的存在，使得正态分布从其他众多分布中脱颖而出，成为应用最为广泛的分布。这两个定理在概率论的历史上非常重要，因此对于它们的研究也横跨了几个世纪（始于18世纪初），众多耳熟能详的大数学家都对这两个定理有自己的贡献。因此，这两个定理 ...

一、通用公式【数学期望】 1》求解数学期望 2》数学期望的性质 2》数学期望的性质 其中, 第三条的证明如下: D(c)=0">c"> 二 ...

如何求方差 一、总结 一句话总结： 方差公式：$$\sigma ^ { 2 } = \frac { \sum ( x - \mu ) ^ { 2 } } { N }$$ 初中：方差等于各个数据 ...

1、频率派概率和贝叶斯概率 概率论使能够我们能够提出不确定性的声明以及在不确定性存在的情况下进行推理。概率论最初的发展是为了分析事件发生的频率。有一类事件是可以重复的（比如投掷一枚硬币，观察硬币落到正面还是反面），当我们说一个结果发生的概率为p，则如果我们进行无数次的反复实验，有p的比例会导致 ...

定义 　　协方差矩阵是用来衡量一组随机变量之间的线性关系的矩阵。我们都知道，对于$n$个随机变量$X_1,X_2,...,X_n$，总体协方差矩阵定义为： $ \left[ \begin{matr ...

　　核密度估计，或Parzen窗，是非参数估计概率密度的一种。比如机器学习中还有K近邻法也是非参估计的一种，不过K近邻通常是用来判别样本类别的，就是把样本空间每个点划分为与其最接近的K个训练抽样中，占 ...

高斯变量基础 高斯分布 \[X\sim(\mu,\sigma^2） \] 概率密度函数 \[p=\frac{1}{\sqrt{2\pi \sigma^2}}e^{-\frac{ ...