阿贝尔氧化钙-CSDN博客

原创 Langevin dynamic 和 Hamiltonian Monte Carlo

开这个坑慢慢写吧…Langevin dynamic 和 Hamiltonian Monte Carlo众所周知，sampling在Bayeisan中十分重要。比较高级的方法之一就是基于随机微分方程的抽样，例如这里的Langevin和HMC(Hamiltonian Monte Carlo)。Langevin dynamic下面是一个目标分布是标准正态分布的Langevin算法的小实验。分别是运行长度为100000、长度为1000000、更改噪声尺度得到的结果： langevin的理论中.

2020-09-01 00:39:31 1655 1

原创 Wilcoxon signed-rank test and U-statistics

Wilcoxon signed-rank是一种非参数检验的统计量，用于检验对称分布的均值是否为0。给出iid数据Y1,⋯ ,YnY_1,\cdots,Y_nY1,⋯,Yn，Zj=sign(Yj)Z_j = sign(Y_j)Zj=sign(Yj)，RjR_jRj为ZjZ_jZj的秩(rank). Wilcoxon signed-rank statistics定义为：W=∑jZjRjW=\sum_{j} Z_{j} R_{j}W=j∑ZjRj并且可以得到其均值为0，方差为n(n+1)(2

2020-08-21 22:42:22 524

原创 2018-12 文献阅读:Boosting for Transfer Learning（2007）--迁移学习

2018-12 文献阅读:Boosting for Transfer Learning（2007）2018-12文章的作者Wenyuan Dai&amp;amp;amp;Qiang yang&amp;amp;amp;Gui_Rong Xue阅读原因：A Survey on Transfer Learning（2009）中引用，仔细看看只选各部分有用的记录分析一下0.综述传统机器学习的同分布假设常常不成立，如我们...

2018-12-14 18:00:52 3798 2

翻译 2018-12 文献阅读:A Survey on Transfer Learning（2009）

文献阅读:A Survey on Transfer Learning（2009）2018-12文章的作者是Sinno Jialin pan 与 Qiang Yang关键词：迁移学习(transfer learning);Survey,ML,Data Mining1.介绍背景：机器学习和数据挖掘已经取得了很大的成功现有缺陷：众多机器学习模型有一个基本的假设：训练集和测试集是来源于同...

2018-12-14 05:04:20 422

原创主成分分析理论与MATLAB实现示例

主成分分析理论与MATLAB实现示例

2017-09-04 00:07:05 3761

原创支持向量机(SVM)与其理论发展(2)：对偶学习

支持向量机(SVM)与其理论发展(2)：对偶学习

2017-09-02 00:40:10 682

原创 #支持向量机(SVM)与其理论发展(1)

支持向量机(SVM)与其理论发展(1)

2017-08-22 00:57:49 1832

原创欢迎使用CSDN-markdown编辑器

欢迎使用Markdown编辑器写博客本Markdown编辑器使用StackEdit修改而来，用它写博客，将会带来全新的体验哦：Markdown和扩展Markdown简洁的语法代码块高亮图片链接和图片上传LaTex数学公式UML序列图和流程图离线写博客导入导出Markdown文件丰富的快捷键快捷键加粗 Ctrl + B 斜体 Ctrl + I 引用 Ctrl

2017-08-21 20:36:17 175

The Elements of Statistical Learning_ Data Mining, Inference, and Prediction

计算和信息技术的飞速发展带来了医学、生物学、财经和营销等诸多领域的海量数据。理解这些数据是一种挑战，这导致了统计学领域新工具的发展，并延伸到诸如数据挖掘、机器学习和生物信息学等新领域。许多工具都具有共同的基础，但常常用不同的术语来表达。本书介绍了这些领域的一些重要概念。尽管应用的是统计学方法，但强调的是概念，而不是数学。许多例子附以彩图。本书内容广泛，从有指导的学习（预测）到无指导的学习，应有尽有。包括神经网络、支持向量机、分类树和提升等主题，是同类书籍中介绍得最全面的。本书可作为高等院校相关专业本科生和研究生的教材，对于统计学相关人员、科学界和业界关注数据挖掘的人，本书值得一读。

2017-09-06

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人