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 ...

R中的线性回归函数比较简单，就是lm()，比较复杂的是对线性模型的诊断和调整。这里结合Statistical Learning和杜克大学的Data Analysis and Statistical ...

在多元线性回归中，并不是所用特征越多越好；选择少量、合适的特征既可以避免过拟合，也可以增加模型解释度。这里介绍3种方法来选择特征：最优子集选择、向前或向后逐步选择、交叉验证法。 最优子集选择 这种 ...

逻辑回归是一个分类器，其基本思想可以概括为：对于一个二分类（0~1）问题，若P(Y=1/X)>0.5则归为1类，若P(Y=1/X)<0.5，则归为0类。 一、模型概述 1、Sigmoi ...

可以转载，禁止修改。转载请注明作者以及原文链接 注：本文是从贝叶斯分类器的角度来讨论判别分析，有关贝叶斯分类器的概念可参考文末延伸阅读第1-2篇文章。至于Fisher判别分析，未来会连同PC ...

注： 本文是对《IPython Interactive Computing and Visualization Cookbook》一书中第七章【Introduction to statist ...

PDF、PMF、CDF 概率论中PDF、PMF和CDF的区别与联系 1. 概念解释 PDF：概率密度函数（probability density function）, 在数学中，连续型随机 ...

定义 Mann-Whitney 秩和检验，也被称为 Mann-Whitney-U 检验，是另一类非参数检验方法，它们不对数据分布作特殊假设，因而能适用于更复杂的数据分布情况。 秩和检验的做法是，首 ...

EM算法有很多的应用: 最广泛的就是GMM混合高斯模型、聚类、HMM等等. The EM Algorithm 高斯混合模型（Mixtures of Gaussians）和EM算法 EM算法 ...

本文永久链接：分段多项式及样条 | ESL CN 写在前面 最早接触样条是在科学计算的课程上，当时主要讲了三次样条及由此推出的三斜率方程组。 后来便在阅读ESL(The Elements of ...