本文探讨了从基础数学概念如导数、概率分布到高级的数据分析方法的应用。包括了如何通过数学工具解决实际问题，比如硬币公平性的统计检验，以及在聚类任务中评估模型的表现。同时介绍了几种重要的统计模型，例如K-means和高斯混合模型。
- 1/x 的导数
- 花log(x+10)的曲线
- 如何设计一个用户满意的问卷
- 投掷一硬币十次，得到8次正面，2次反面，如何分析这个硬币是公平的，p值是多少
- 有10个硬币，每个硬币投十次（总共100次）观察结果，如何修正方法来测试硬币的公平性
- 阐述不符合正态的概率分布，并如何应用
- 为什么使用特征选择，若两个预测器高度相关，对逻辑回归中的系数有什么影响，系数的置信度区间是什么
- 介绍K-means和高斯混合模型，kmeans和EM的区别
- 何时使用高斯混合模型，为什么可用（正态分布）
- 若在聚类任务中标签已知，如何评估模型表现
- 描述数据分析的过程
- GMM等式求导
- 如何衡量有多少用户喜欢看视频
- 模拟一个双变量的正态分布
- 对该分布的方差求导
- 如何建立估计器去估计数据的中值
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
