注：总结来自黄海广博士。
机器学习的数学基础（概率论和数理统计篇）
2018-06-16
1250
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
注：总结来自黄海广博士。
相关文章
|
7月前
|
机器学习/深度学习
资源调度
|
7月前
|
机器学习/深度学习
算法
数据挖掘
|
2月前
|
机器学习/深度学习
程序员
|
3月前
|
机器学习/深度学习
数据采集
存储
一文读懂蒙特卡洛算法：从概率模拟到机器学习模型优化的全方位解析
蒙特卡洛方法起源于1945年科学家斯坦尼斯劳·乌拉姆对纸牌游戏中概率问题的思考，与约翰·冯·诺依曼共同奠定了该方法的理论基础。该方法通过模拟大量随机场景来近似复杂问题的解，因命名灵感源自蒙特卡洛赌场。如今，蒙特卡洛方法广泛应用于机器学习领域，尤其在超参数调优、贝叶斯滤波等方面表现出色。通过随机采样超参数空间，蒙特卡洛方法能够高效地找到优质组合，适用于处理高维度、非线性问题。本文通过实例展示了蒙特卡洛方法在估算圆周率π和优化机器学习模型中的应用，并对比了其与网格搜索方法的性能。
377
1
1
|
6月前
|
机器学习/深度学习
数据挖掘
Python
|
6月前
|
机器学习/深度学习
|
6月前
|
机器学习/深度学习
人工智能
算法
|
7月前
|
机器学习/深度学习
人工智能
数据挖掘
|
7月前
|
机器学习/深度学习
|
7月前
|
机器学习/深度学习
大数据
程序员
热门文章
最新文章
1
一个易用且高效的基于 PyTorch 的 MoE 模型训练系统.
2
利用机器学习进行情感分析：技术详解与实践
3
【机器学习】如何根据训练集大小选择分类器？
4
机器学习的线性模型简介
5
极大降低大模型训练内存需求，Meta等推出高效方法
6
【机器学习】使用贝叶斯模型做分类时，可能会碰到什么问题？怎么解决？
7
阿里云PAI平台架构介绍
8
机器学习-异常检测算法（二）：Local Outlier Factor
9
SLS机器学习最佳实战：批量时序异常检测
10
机器学习-特征选择：如何使用递归特征消除算法自动筛选出最优特征？
1
【Python机器学习专栏】Python环境下的机器学习库概览
116
2
【python】Python大豆特征数据分析 [机器学习版一]（代码+论文）【独一无二】
112
3
机器学习实战第3天：手写数字识别
194
4
机器学习库：numpy
87
5
机器学习第11天：降维
100
6
构建高效机器学习模型的五大技巧
94
7
构建高效机器学习模型：从数据预处理到模型优化
104
8
构建高效机器学习模型：从特征工程到模型调优
107
9
Machine Learning机器学习之贝叶斯网络(BayesianNetwork)
1376
10
Machine Learning机器学习之决策树算法 Decision Tree（附Python代码）
394