- @SanyHo
简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
随机向量函数的分布背景：当随机变量X1,X2,...,XnX_1,X_2,...,X_nX1,X2,...,Xn的联合分布已知时，如何求出它们的函数Yi=gi(X1,X2,...,Xn),i=1,2,...,mY_i=g_i(X_1,X_2,...,X_n),i=1,2,...,mYi=gi(X1,X2,...,Xn),i=1,2,...,m的联合分布离散型分布的情形：...
问题：在爬虫某个网页时，返回状态码为”521“，如何解决？Code:import requestsdef get_one_page(url):headers = {'User-Agent' : 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.438
一般来说，验证集越大，我们对模型质量的度量中的随机性（也称为“噪声”）就越小，它就越可靠。但是，通常我们只能通过划分出更多训练数据来获得一个大的验证集，而较小的训练数据集意味着更糟糕的模型！而交叉验证可是用来解决这个问题。什么是交叉验证？在交叉验证中，我们将数据集等量划分成几个小的子集，然后对不同的子集运行建模过程，以获得每个子集模型的拟合效果的指标（可用MAE 平均绝对误差表示）。我们...
n元正态分布概率密度定义设X′=(X1,X2,...,Xn)X'=(X_1,X_2,...,X_n)X′=(X1,X2,...,Xn)是一个n维随机向量，若它的概率密度为f(x1,x2,...,xn)=1(2π)n/2∣C∣1/2exp{−12(X−μ)’C−1(X−μ)}f(x_1,x_2,...,x_n)=\frac{1}{(2\pi)^{n/2}|C|^{1/2}}exp\...
随机变量的独立性两随机变量独立的定义（各种情况）：两事件A，B独立的定义：若有P(AB)=P(A)P(B)P(AB)=P(A)P(B)P(AB)=P(A)P(B)则称事件A，B独立。设X，Y是两个随机变量，若对任意的x，y，有P(X≤x,Y≤y)=P(X≤x)P(Y≤y)P(X\leq x,Y\leq y)=P(X\leq x)P(Y\leq y)P(X≤x,Y...
全概率公式和贝叶斯公式两者实质：是加法公式和乘法公式的综合运用加法公式P(A+B)=P(A)+P(B)P(A+B)=P(A)+P(B)P(A+B)=P(A)+P(B)，A、B互斥乘法公式P(AB)=P(A)P(B∣A), P(A)>0P(AB)=P(A)P(B|A),\space P(A)>0P(AB)=P(A)P(B∣A), P(A)>0...
联合分布和边缘分布一维随机变量X与二维随机变量（X，Y）（及以上）比较二维离散型随机变量（X，Y），联合分布X和Y的联合概率函数为P(X=xi,Y=yj)=piji,j=1,2,...P(X=x_i,Y=y_j)=p_{ij} \quad i,j=1,2,...P(X=xi,Y=yj)=piji,j=1,2,...{pij≥0, i,j=1,2,......
寻求估计量的方法类别：矩阵计法极大似然法最小二乘法贝叶斯方法(一) 矩阵计法：思想：基于一种简单的”替换“思想建立起来的一种估计方法，用相应的样本矩估计总体矩。理论依据：大数定律或格列汶科定理。总体k阶原点矩为μk=E(Xk)\mu_k=E(X^k)μk=E(Xk)样本k阶原点矩为Ak=1n∑i=1nXikA_k=\frac{1}{n}\sum_{i=1}^nX...
数学期望1.随机变量的数学期望背景：如果知道了随机变量X的概率分布，那么X的全部概率特征也就都知道了，但是在实际问题中，概率分布一般是比较难确定的，因此人们并不需要知道随机变量的一切概率性质，只要知道它的某些数字特征（期望和方差）就够了。离散型随机变量的数学期望设X是离散型随机变量，它的概率函数是P(X=Xk)=pk, k=1,2,...P(X=X_k)=p_k,\spa...
问题：在已有的账户下成功安装上matlab软件，但是无法运行，或者运行时出现错误。Error one解决方式：需要修改用户目录下的.bashrc文件，设置好路径，修改方式为vim ~/.bashrc修改后，需运行source ~/.bashrcError two解决方式：指定使用docker_128集群，而非默认的work集群Error Three解决方式：指定使用docker_128集群，而非默