Adventurer

    这节讲了概率论中的一些基本概念，这里记录一下对贝叶斯理论的理解。    首先简单描述一下贝叶斯理论。    对于一个随机事件，我们首先给出先验分布，不妨设为p(w)。当新的试验D发生时，即我们观察到新的试验结果D时，我们就可以得到关于这个随机事件的更多信息，从而得到后验（posterior）分布p(w|D)（即更新后的p(w)）。p(w|D)可通过以下方式计算：    由条件概率的定义可得...

本篇内容：一个简单的预测模型的建立、训练、保存和载入。导入必要模块：import numpy as npimport pandas as pdimport tensorflow as tfimport ssl #解决数据源网站签名认证失败的问题from sklearn.datasets import fetch_california_housing解决数据源网站签名认证失败的问题：ssl....

    高斯分布不必赘述，这里记录个有意思的东西，即从高斯分布和贝叶斯理论出发看曲线拟合（即选择参数w）。    首先假设我们使用多项式拟合曲线，根据泰勒展开的方法，我们可以用有限项多项式在一定精度内拟合任何曲线。    我们常常用最小二乘法来求最优系数w（或者说计算损失函数）。主要原因为：残差和存在互相抵消问题，残差绝对值之和难于简练表达计算，而最小二乘法使用的残差平方和表达计算方便，并且可以有...

1011注意 A与B的范围均为[−2​^31​​,2​^31​​]，而C = A + B，所以至少需要64位的long型。 1012(第7个检查点未通过)#include <iomanip>cout<<setprecision(2)<<a;int a[6];int count[6]; for(i=0;i<5;i++){ ...