LoneySmoke的博客

前提说明：本文使用θ^代替一、概率密度函数估计在实际问题中，一个事件的分布函数或概率密度函数是未知的，我们想要求得它的概率分布，就要明确两个点：概率密度的类型（即分布情况，如 高斯分布、K方分布…）估计参数（如高斯分布，它的估计参数就是μ，σ）在这里，我们只讨论在已知概率密度的类型的前提下，如何估计参数，这也是最大似然估计、最大后验估计、贝叶斯估计等方法能够解决的问题。我们先来介绍一些基本概念。设随机变量x的概率密度函数为f(x;θ)，其中θ代表一组参数，即参数向量（如高斯分布中，θ={α

数学建模之层次分析法详解（附代码）根据清风老师的课程学习，收获很大，https://www.bilibili.com/video/BV1DW411s7wi1.该模型所解决的问题评价类问题。（如哪个地方比较好，哪位员工优秀）2. 使用该模型需要思考的三个基础问题：评价的目标是什么：为了达到目标有哪几种可选的方案：评价的准则或指标是什么（根据什么评价好坏） ：3. 整理出判断矩阵（...

1、事前准备首先，进入阿里云iot-studio的网站iot-studio登录并注册账号点击立即使用建立项目在项目管理中找到普通项目-新建项目，然后我们设置一个项目名称随后在项目中找到产品-创建产品，这样填写随后我们在设备中为该产品添加一个设备单击设备中的查看，可以在设备详情中找到产品名、DeviceSecret、ProductKey三件套向L610发送以下两条指令即可连接至平台AT+CLOUDAUTH="ProductKey","产品名","DeviceSecret","i