-
14-2 通过函数的形式来记述概率
14-2 通过函数的形式来记述概率 14-2 通过函数的形式来记述概率 概率是指，用一个“大于0且小于1的数值”来对应“发生的事情”的数学概念。 “发生的事情”→“数值”（“数值”的取值范围：必须大于0且小于1）。 先确定“发生的事情”，然后决定与之对应的数值分配，这被称为“概率模型” 。 例如，“晴天、阴天、雨天、雪天”为4件事情，分别为这4件... -
第17讲 “贝塔分布”的性质由两个数字决定
第17讲 “贝塔分布”的性质由两个数字决定 17-1 贝叶斯推理中经常使用的连续型分布——“贝塔分布” 第17讲 “贝塔分布”的性质由两个数字决定 17-1 贝叶斯推理中经常使用的连续型分布——“贝塔分布” 在我们之前介绍的贝叶斯推理中，为实现先验分布而设定的类别是有限的。例如，第1讲中，关于顾客购买商品的推理，分为“来买东西的人”和“随便逛逛的人... -
第20讲 在抛硬币或天体观测时观察到的“正态分布”
第20讲 在抛硬币或天体观测时观察到的“正态分布” 20-1 统计学的主角——“正态分布” 第20讲 在抛硬币或天体观测时观察到的“正态分布” 20-1 统计学的主角——“正态分布” 在统计学中，最常用的是被称为“正态分布”的连续型概率分布。在标准统计学（内曼－皮尔逊统计学）中如此，在贝叶斯统计学中亦是如此。 正态分布之所以应用如此广泛的原因，主... -
补讲 贝塔分布的积分计算
补讲 贝塔分布的积分计算 补讲 贝塔分布的积分计算 在补讲中，对于第17讲中所解说的贝塔分布稍作详细说明，这里需要以具备高中三年级程度的数学知识为前提。 贝塔分布具有如下概率分布的特点： f（x ）＝（常数）×x α-1 （1-x ）β-1 在设定公式中的（常数）数值时，需要使其满足标准化条件。换言之，需要使满足条件0≤x ≤1的所有x 的概率... -
6.5 集合（Set)
6.5 集合（Set) 集合则更接近数学上集合的概念。每一个集合中的元素是无序的、不重复的任意对象，我们可以通过集合去判断数据的从属关系，有时还可以通过集合把数据结构中重复的元素减掉。 集合不能被切片也不能被索引，除了做集合运算之外，集合元素可以被添加还有删除： a_set = {1,2,3,4} ... -
第6章 概率——你运气好吗
第6章 概率——你运气好吗 第6章 概率——你运气好吗 本次列车能正点到达吗？ 这次谈判的项目，有几成把握能签下来？ 这个月我申请的机动车牌照号能摇中吗？ 我买的彩票能中奖吗？ 在现实生活中，我们常常会遇到这类问题。对于这些问题，平常我们总是将其归结为是否有运气。运气好时就能签下合同、摇中车牌、中彩票……。 其实，从数学角度来看，这些都是与概... -
空标题文档
7.4 其他类型的测试 很幸运，其他比较操作符更容易记：小于（<）、大于（>）和不等于（!=）。（还可以使用 <> 表示不等于，不过大多数人都用 !=。）还可以把 > 或 < 与 = 结合起来表示大于或等于（>=）以及小于或等于（<=）。数学课上你可能已经见过这样一些符号。 不等于 在 Python 3 中，不再支持 <> 形式的不等于，只能... -
空标题文档
12.11 搜索列表 列表中有多个元素时，怎么查找这些元素呢？对列表通常有两种处理： 查找元素是否在列表中； 查找元素在列表中的哪个位置（元素的索引）。 in 关键字 要找出某个元素是否在列表中，可以使用 in 关键字，例如： if 'a' in letters: print "found 'a' in letters"else:... -
分层记忆系统
分层记忆系统 分层记忆系统 在第3章中我已经提到，杰夫·霍金斯和迪利普·乔治分别于2003年和2004年发明了一种结合了层级列表的新皮质模型。我们从霍金斯和布拉克斯莉2004年的著作《智能时代》中查询到此层级列表的相关信息。在乔治2008年的博士论文中，我们还可以找到对层级短期记忆法的更加紧跟时代步伐、更加有力的论述。[157] 在名为NuPIC（Nu... -
2.9 算法时间复杂度
2.9 算法时间复杂度 2.9.1 算法时间复杂度定义 2.9.2 推导大O阶方法 2.9.3 常数阶 2.9.4 线性阶 2.9.5 对数阶 2.9.6 平方阶 2.9 算法时间复杂度 2.9.1 算法时间复杂度定义 在进行算法分析时，语句总的执行次数T(n)是关于问题规模n的函数，进而分析T(n)随n的变化情况并确定T(n)的数量级。...