重温《概率论与数理统计》进行查漏补缺，并对其中的概念公式等内容进行总结，以便日后回顾。目录第一章 概率论的基本概念第二章随机变量及其分布第三章 多维随机变量及其分布第四章 随机变量的数字特征第五章 大数定律及中心极限定理第六章 样本及抽样分布第七章 参数估计第八章 假设检验第一章 概率论的基本概念1.随机试验随机试验——具有下述三个特点的试验：（1）可以在相同的条件下重复地进行；（2）每次试验的可能结果不止一个，并且能事先明确试验的所有可能结果；（3）进行一次试验之前不能确定哪一个结果会出现。2.样本空间、随机事件样本空间——随机试验的所有可能结果组成的集合。样本点——样本空间的
重温《概率论与数理统计》进行查漏补缺，并对其中的概念公式等内容进行总结，以便日后回顾。目录第一章 概率论的基本概念第二章随机变量及其分布第三章 多维随机变量及其分布第四章 随机变量的数字特征第五章 大数定律及中心极限定理第六章 样本及抽样分布第七章 参数估计第八章 假设检验第一章 概率论的基本概念1.随机试验随机试验——具有下述三个特点的试验：（1）可以在相同的条件下重复地进行；（2）每次试验的可能结果不止一个，并且能事先明确试验的所有可能结果；（3）进行一次试验之前不能确定哪一个结果会出现。2.样本空间、随机事件样本空间——随机试验的所有可能结果组成的集合。样本点——样本空间的
在一些其他场景中，我们的模型输出可能是一个图像类别这样的离散值，对于这样的离散值预测问题，可以使用softmax回归的分类模型。1.1分类问题在一个简单图像分类问题中，输入图像的高和宽均是2像素，色彩为灰度，可以将图像中的4像素分别记为 ，假设训练集中图像的真实标签为狗、猫和鸡，也就是说通过这4种像素可以表示出这三种动物，这些标签对应着 。1.2softmax回归模型 softmax回归和线性回归一样也是将输入特征与权重做线性叠加，但是softmax回归的输出值个数等于标签中的类别数，对每个输入计算出输出： softmax回归是单层神经网络，每个输出的计算依赖于所有的输入 那么如何将输出
在一些其他场景中，我们的模型输出可能是一个图像类别这样的离散值，对于这样的离散值预测问题，可以使用softmax回归的分类模型。1.1分类问题在一个简单图像分类问题中，输入图像的高和宽均是2像素，色彩为灰度，可以将图像中的4像素分别记为 ，假设训练集中图像的真实标签为狗、猫和鸡，也就是说通过这4种像素可以表示出这三种动物，这些标签对应着 。1.2softmax回归模型 softmax回归和线性回归一样也是将输入特征与权重做线性叠加，但是softmax回归的输出值个数等于标签中的类别数，对每个输入计算出输出： softmax回归是单层神经网络，每个输出的计算依赖于所有的输入 那么如何将输出
💭写在前面：我们先介绍线性方程体系的基本概念和矩阵表示方法，矩阵的定义、加法、乘法、逆矩阵、转置和标量乘法等。然后讲解如何解决线性方程组问题，包括解集形式、行阶梯形矩阵、计算逆置和解决线性方程组的算法等。本节将补充线性代数的基础知识，为后续的机器学习打好基础。📜文章目录：Ⅰ.线性方程体系（SystemsofLinearEquations）0x00介绍0x01矩阵表示（MatrixRepresentation）Ⅱ.矩阵（Matrices）0x00矩阵的定义（Matrix:Definition）0x01矩阵加法与乘法0x02身份矩阵和矩阵属性（IdentityMatrixandMatrixPr
💭写在前面：我们先介绍线性方程体系的基本概念和矩阵表示方法，矩阵的定义、加法、乘法、逆矩阵、转置和标量乘法等。然后讲解如何解决线性方程组问题，包括解集形式、行阶梯形矩阵、计算逆置和解决线性方程组的算法等。本节将补充线性代数的基础知识，为后续的机器学习打好基础。📜文章目录：Ⅰ.线性方程体系（SystemsofLinearEquations）0x00介绍0x01矩阵表示（MatrixRepresentation）Ⅱ.矩阵（Matrices）0x00矩阵的定义（Matrix:Definition）0x01矩阵加法与乘法0x02身份矩阵和矩阵属性（IdentityMatrixandMatrixPr
前言在之前的文章中更新了线性方程组的基本解法，大型方程组的分解求法。本节将介绍线性方程组的迭代求解。一.三个变换在线性方程组的迭代求解中，会用到系数矩阵A的上三角矩阵、对角矩阵和下三角矩阵。这三种变化在MATLAB中，可以直接利用函数实现。1.1上三角变换triu(A,1)1.2对角变换diag(A)1.3下三角变换tril(A,-1)针对此类矩阵的解释，可以参看这篇文章：MATLAB:矩阵基础_唠嗑！的博客-CSDN博客例题1对以下矩阵A做此三种变换。解：MATLAB代码如下：clc;clear;A=[12-3;111;221];%上三角变换up=triu(A,1)%对角变换diag=dia
前言在之前的文章中更新了线性方程组的基本解法，大型方程组的分解求法。本节将介绍线性方程组的迭代求解。一.三个变换在线性方程组的迭代求解中，会用到系数矩阵A的上三角矩阵、对角矩阵和下三角矩阵。这三种变化在MATLAB中，可以直接利用函数实现。1.1上三角变换triu(A,1)1.2对角变换diag(A)1.3下三角变换tril(A,-1)针对此类矩阵的解释，可以参看这篇文章：MATLAB:矩阵基础_唠嗑！的博客-CSDN博客例题1对以下矩阵A做此三种变换。解：MATLAB代码如下：clc;clear;A=[12-3;111;221];%上三角变换up=triu(A,1)%对角变换diag=dia
目录一、题目二、算法求解1、蛮力算法伪代码 算法分析程序2、分治策略伪代码算法分析程序3、动态规划算法伪代码算法分析程序一、题目设A=是n个整数的序列，称为该序列的连续子序列，其中1称为A的子段和：例如，A=，那么它的子段和如下：长度为1的子段和有：-2,11,-4,13,-5,-2长度为2的子段和有：9,7,9,8,-7长度为3的子段和有：5,20,4,6长度为4的子段和有：18,15,2长度为5的子段和有：13,13长度为6的子段和有：11其中的最大子段和为：11-4+13=20则最大子段和问题为：给定n个整数的序列A=，求二、算法求解1、蛮力算法通过枚举A的所有连续子序列并且求和，通过比
目录一、题目二、算法求解1、蛮力算法伪代码 算法分析程序2、分治策略伪代码算法分析程序3、动态规划算法伪代码算法分析程序一、题目设A=是n个整数的序列，称为该序列的连续子序列，其中1称为A的子段和：例如，A=，那么它的子段和如下：长度为1的子段和有：-2,11,-4,13,-5,-2长度为2的子段和有：9,7,9,8,-7长度为3的子段和有：5,20,4,6长度为4的子段和有：18,15,2长度为5的子段和有：13,13长度为6的子段和有：11其中的最大子段和为：11-4+13=20则最大子段和问题为：给定n个整数的序列A=，求二、算法求解1、蛮力算法通过枚举A的所有连续子序列并且求和，通过比
