<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[拙翔峰的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/zyf89531</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; zyf89531]]></copyright><item><title><![CDATA[相关关系、因果关系、回归关系的区别]]></title><link>https://blog.youkuaiyun.com/zyf89531/article/details/46539449</link><guid>https://blog.youkuaiyun.com/zyf89531/article/details/46539449</guid><author>zyf89531</author><pubDate>Wed, 17 Jun 2015 22:48:17 +0800</pubDate><description><![CDATA[相关关系和因果关系之间的区别
两个变量之间存在相关关系，不一定说明两者之间存在着因果关系。因果关系，是指一个变量的存在一定会导致另一个变量的产生。而相关性是统计学上的一个概念，是指一个变量变化的同时，另一个因素也会伴随发生变化，但不能确定一个变量变化是不是另一个变量变化的原因。比如天气冷和下雪通常一起发生，说明两者有很强的相关性，但不能肯定是谁导致了谁，所以不确定两者是够有因果关系。


]]></description><category></category></item><item><title><![CDATA[置信区间、显著性检验和统计学意义]]></title><link>https://blog.youkuaiyun.com/zyf89531/article/details/46539401</link><guid>https://blog.youkuaiyun.com/zyf89531/article/details/46539401</guid><author>zyf89531</author><pubDate>Wed, 17 Jun 2015 22:43:22 +0800</pubDate><description><![CDATA[置信区间
估计参数真值所在的范围通常以区间的形式给出，同时还给出此区间包含参数真值的可信程度，这种形式的估计称为区间估计，这样的区间称为置信区间。
对于任意参数θ在可能的取值范围内，P{θ12}≥1-α，则称随机区间（θ1，θ2）是参数θ的置信水平为1-α的置信区间，θ1和θ2分别称为置信水平为1-α的双侧置信区间的置信下限和置信上限，1-α称为置信水平。
对于特殊问题，我们关心的是重点在于]]></description><category></category></item><item><title><![CDATA[准确率、召回率和F值的关系]]></title><link>https://blog.youkuaiyun.com/zyf89531/article/details/45922251</link><guid>https://blog.youkuaiyun.com/zyf89531/article/details/45922251</guid><author>zyf89531</author><pubDate>Fri, 22 May 2015 22:48:21 +0800</pubDate><description><![CDATA[在信息检索、统计分类、识别、预测、翻译等领域，两个最基本指标是准确率和召回率，用来评价结果的质量。
准确率（Precision），又称“精度”、“正确率”、“查准率”，表示在检索到的所有文档中，检索到的相关文档所占的比例。
召回率（Recall），又称“查全率”，表示在所有相关文档中，检索到的相关文档所占的比率。
两者的公式为：
准确率 = 检索到的相关文档数量 / 检索到的所有文档总数]]></description><category></category></item><item><title><![CDATA[最大似然估计、最大后验估计和贝叶斯估计的关系]]></title><link>https://blog.youkuaiyun.com/zyf89531/article/details/45922187</link><guid>https://blog.youkuaiyun.com/zyf89531/article/details/45922187</guid><author>zyf89531</author><pubDate>Fri, 22 May 2015 22:37:40 +0800</pubDate><description><![CDATA[最大似然估计（MLE）
原理：设X1, X2…Xn是取自总体X的一个样本，样本的联合密度（连续型）或联合概率密度（离散型）为f(X1, X2…Xn; Θ)。当给定样本X1, X2…Xn时，定义似然函数为L(Θ)= f(X1, X2…Xn; Θ)。
L(Θ)看作参数Θ的函数，极大似然估计法就是用使L(Θ)达到最大值的去估计真实值Θ。L()=，称为Θ的极大似然估计（MLE）。
最大似然估计中采样]]></description><category></category></item><item><title><![CDATA[归一化、标准化和正则化的关系]]></title><link>https://blog.youkuaiyun.com/zyf89531/article/details/45922151</link><guid>https://blog.youkuaiyun.com/zyf89531/article/details/45922151</guid><author>zyf89531</author><pubDate>Fri, 22 May 2015 22:33:33 +0800</pubDate><description><![CDATA[归一化（Normalization）
1.把数据变为（0，1）之间的小数。主要是为了方便数据处理，因为将数据映射到0～1范围之内，可以使处理过程更加便捷、快速。
2.把有量纲表达式变换为无量纲表达式，成为纯量。经过归一化处理的数据，处于同一数量级，可以消除指标之间的量纲和量纲单位的影响，提高不同数据指标之间的可比性。
主要算法：
1.线性转换，即min-max归一化（常用方法）
y=(x]]></description><category></category></item></channel></rss>