#include <stdio.h> int main() { int i,j,a[10]; printf("Please input ten numbers: \n"); for(i=0;i<10;i++) //输入10个数组元素 scanf("%d",&a[i]); for(i=0;i<10-1

为了要搞论文,我从图书馆借了一堆贝叶斯的书来看,虽然看得不算全面,还是在这里做一个小小的总结:     茆诗松 《贝叶斯统计》  http://book.douban.com/subject/1551888/   目前看过的讲贝叶斯方法最通俗易懂的书了 张连文 《贝叶斯网引论》 http://book.douban.com/subject/1974704/   以上是我觉得较为好的两本,也是读得比

统计学被广泛的应用于各个领域之上,从物理和社会科学,再到人文科学,甚至被用在工商业及ZF的情报决策当中。统计学又可分为描述统计学和推断统计学,那么要怎样来区分她们呢?     我们先来了解描述统计学和推断统计学的概念: •描述统计学(descriptive statistics)是研究如何取得反映客观现象的数据,并通过图表形式对所搜集的数据进行加工处理和显示,进而通过综合概括与分析得出反映客观现象

1814 年,皮埃尔•西蒙•拉普拉斯写道“在很大程度上,人生最重要的问题就是概率问题。”然而漫长的概率理论研究却是一波三折,直到概率编程的出现使其取得了重要的进步。 “明天可能下雨吗?”“这个球他能踢进吗?”“他抛的硬币会是正面还是反面?”……我们每天都身处在无数的概率事件中,不同的结果可能会带来完全相反的影响,这是完全有趣的经历,仔细一想,是不是就不会觉得人生是如此枯燥?人们对于概率的研究或许也

先验概率 Prior probability 在贝叶斯统计中,先验概率分布,即关于某个变量 p 的概率分布,是在获得某些信息或者依据前,对 p 的不确定性进行猜测。例如, p 可以是抢火车票开始时,抢到某一车次的概率。这是对不确定性(而不是随机性)赋予一个量化的数值的表征,这个量化数值可以是一个参数,或者是一个潜在的变量。 先验概率仅仅依赖于主观上的经验估计,也就是事先根据已有的知识的推断, 在应

版权声明:本文为博主原创文章,未经博主允许不得转载。 机器学习算法与Python实践之(七)逻辑回归(Logistic Regression) zouxy09@qq.com http://blog.csdn.net/zouxy09          机器学习算法与Python实践这个系列主要是参考《机器学习实战》这本书。因为自己想学习Python,然后也想对一些机器学习算法加深下了解,所以就想通过

前言:   找工作时(IT行业),除了常见的软件开发以外,机器学习岗位也可以当作是一个选择,不少计算机方向的研究生都会接触这个,如果你的研究方向是机器学习/数据挖掘之类,且又对其非常感兴趣的话,可以考虑考虑该岗位,毕竟在机器智能没达到人类水平之前,机器学习可以作为一种重要手段,而随着科技的不断发展,相信这方面的人才需求也会越来越大。   纵观IT行业的招聘岗位,机器学习之类的岗位还是挺少的,国内大

支持向量机通俗导论(理解SVM的三层境界) 作者: July 。 致谢: pluskid、 白石、J erryLead。 说明:本文最初写于2012年6月,而后不断反反复复修改&优化,修改次数达上百次,最后修改于2016年11月。 声明:本文于 2012年 便早已附上所有参考链接,并注明是篇“学习笔记”,且写明具体参考了pluskid等人的文章。文末2013年的PDF是为证。 前言     动笔写

机器学习现在是一大热门,研究的人特多,越来越多的新人涌进来。 不少人其实并没有真正想过,这是不是自己喜欢搞的东西,只不过看见别人都在搞,觉着跟大伙儿走总不会吃亏吧。 问题是,真有个“大伙儿”吗?就不会是“两伙儿”、“三伙儿”?如果有“几伙儿”,那到底该跟着“哪伙儿”走呢? 很多人可能没有意识到,所谓的machine learning community,现在至少包含了两个有着完全不同的文化、完全不

看了版上很多贴子,发现很多版友都在问“热门研究方向”、“最新方法”等。有同学建议国内某教授的教材、或者CNKI、或者某些SCI期刊。每当看到这种问题,我都有点纳闷,为什么不去读顶级会议上的论文? 我无意否认以上文献的价值,但是在机器学习、计算机视觉和人工智能领域,顶级会议才是王道。国内教材和CNKI上的基本是N年前老掉牙的东西。有人会质疑这些会议都只是EI。是的,这的确非常特殊:在许多其它领域,会

1 2 3 4 5 6 7 8 9