我的世界笔记-神奇宝贝服神兽刷新概率、时间
前言此篇笔记主要是关于神奇宝贝MC服务器的神兽刷新率的变更，不包括对面板服的介绍。mods文件夹存储模组.jar文件，把模组放入该文件夹后，就不用管它了。config文件夹存储模组的信息config文件夹内有一个pixelmon.hocon的文件，里面就保存有神奇宝贝的配置。用文本的方式打开该文件。...
概率编程——未来也可以这样预测
1814 年，皮埃尔•西蒙•拉普拉斯写道“在很大程度上，人生最重要的问题就是概率问题。”然而漫长的概率理论研究却是一波三折，直到概率编程的出现使其取得了重要的进步。“明天可能下雨吗？”“这个球他能踢进吗？”“他抛的硬币会是正面还是反面？”……我们每天都身处在无数的概率事件中，不同的结果可能会带来完全...
深度学习：概率相关知识点
概率分布概率分布用来描述随机变量（含随机向量）在每一个可能状态的可能性大小。概率分布有不同方式，这取决于随机变量是离散的还是连续的。对于随机变量X，其概率分布通常记为P（X=x），或X~P（x），表示X服从概率分布P（x）。概率分布描述了取单点值的可能性或概率，但在实际应用中，我们并不关心取某一值的...
【概率基础】从概率角度去解释回归和分类的主要区别是什么?
1. 从概率角度去解释回归和分类的主要区别是什么? 从概率角度来看，回归和分类任务的主要区别在于它们各自预测的目标变量的性质，以及如何使用概率来对这些预测进行建模。 回归 回归任务旨在预测一个连续值的目标变量。在概率术语中，回归模型通常试图估计条件概率分布 ...
概率密度估计小结--参数估计与非参数估计
通过观测世界得到了一些数据，我们要从这些数据里面去找出规律来认识世界，一般来说，在概率上我们有一个一般性的操作步骤：1. 观测样本的存在2. 每个样本之间是独立的3. 所有样本符合一个概率模型 我们最终想要得到的是一个概率密度的模型，如果我们已经对观测的对象有了一些认识，对观测的现象属...
《机器学习实战》第四章基于概率论的朴素贝叶斯
《机器学习实战》第四章.基于概率论的分类方法朴素贝叶斯4.1朴素贝叶斯名词概念解释贝叶斯决策论：是概率框架下实施决策的基本方法。在所有相关概率都已知的理想情形下，贝叶斯决策论考虑如何基于这些概率和误判损失来选择最优的类别标记。词向量：将语言数学化，一种最简单的词向量方式是 one-hot repre...
数学知识——概率统计（3）：概率论的基本知识点
目录写在前面起源与发展概率基本计数原理本质1. 随机变量(random variable)1.1 随机变量1.2 随机变量三要素2.分类2.1 离散型随机变量2.2 随机变量三要素（离散）1. 随机变量的取值2. 试验中每个对应取值的概率3. 随机变量的统计特征和度量方法2.2 连续型随机变量随机变...
概率论总结
1、频率派概率和贝叶斯概率概率论使能够我们能够提出不确定性的声明以及在不确定性存在的情况下进行推理。概率论最初的发展是为了分析事件发生的频率。有一类事件是可以重复的（比如投掷一枚硬币，观察硬币落到正面还是反面），当我们说一个结果发生的概率为p，则如果我们进行无数次的反复实验，有p的比例会导致这样的结...
机器学习---概率论基础数学知识点
为什么要使用概率？概率论是用于表示不确定性陈述的数学框架，即它是对事物不确定性的度量。机器学习大部分时候处理的都是不确定量或随机量。概率和统计的关系概率（probabilty）和统计（statistics）看似两个相近的概念，其实研究的问题刚好相反。概率研究的问题是，已知一个模型和参数，怎么去预测这...
概率图模型在反欺诈的应用
图模型的主要应用场景为欺诈侦测报警，从各个特征出现的频率对异常概率进行预警。概率图模型所涉及到的知识点非常广，所以对读者的基础知识要求也相对较高。现在借助以下几个问题开始概率图模型的学习：为什么需要概率图模型及其优点？概率图模型都有哪些应用模型？为什么需要概率图模型?对于复杂系统理解和拆分，图应当是...
模式识别02《概率密度函数估计》
目录概率密度函数估计概率密度函数估计概率密度函数估计分为两类：参数估计和非参数估计，参数估计主要两类：最大似然估计和贝叶斯估计。参数估计：已知概率密度函数的形式，但其中部分或全部参数未知，概率密度函数估计问题就是用样本估计这些参数。非参数估计：概率密度函数的形式未知，概率密度函数的形式不符合目前研究...
泰坦尼克生存概率预测
(https://github.com/hpchihuo/titanic)项目背景：本项目从数据分析的角度，寻找与生存率项目相关的生存因素，建立逻辑回归模型预测tantic人员生存情况。1.提出问题：找出最优模型来预测titanic乘客生存结果项目概况：Titanic号的沉没是历史上最惨痛的沉船事故...
机器学习|最小二乘法的概率解释
在拟合数据时，为什么选择最小二乘来作为误差函数呢？虽然不明白为什么，但是一直觉得很有道理的样子。最小二乘或平方差作为误差函数，是基于一些概率假设推导出了这个公式。这里有一些概率上的解释。让我们慢慢来看。1.允许误差存在首先要说明的，所有的预测值都不可能完美地与真实值契合，所以误差必然存在，而我们的目...
【第十六章】Deep Learning 读书笔记——深度学习中结构化概率模型
16.1 非结构化建模的挑战在深度学习中，我们训练AI模型去理解自然图片，声波代表的演讲，或包含很多单词的文档。这些通常需要深度学习模型将一个高维度的数据作为输入，并将这个输入概括到一个特定的类别。但在类似的分类问题中，模型往往可以不必考虑到输入的所有维度。比如，在图片识别的时候，模型可以忽略点图片...
深入理解概率图模型(二)：无向图模型
文章目录1.引入无向图1.1有向图的困境1.2有向图和无向图得粗略对比2. 无向图的一些条件独立性质2.1 全局马尔可夫性质(关键性质)2.2 无向图的局部马尔科夫性质2.3 成对马尔科夫性质2.4 性质总结3. 无向图模型的参数3.1 无向图模型的一个弊端3.2 解决方案3.2.1 团与最大团的定...
JavaScript如何使用随机数做概率操作？
思路：首先生成0-100的随机数，然后去除其中百分之多少的数组范围，去对业务进行判断。 比如有这么一个需求：随机出现道具，概率分别是【空——30%】，【炸...
概率分布与R语言
1、预备知识概率：某事件发生的可能性的大小随机变量：指变量的值无法预先确定仅以一定的可能性(概率)取值的量。它是由于随机而获得的非确定值，分为离散型随机变量（随机变量只能取有限个值）和连续型随机变量（随机变量可以取一个或多个区间中的任何值）。离散型随机变量和连续型随机变量之间最根本的区别在于二者在概...
抽奖小案例(js抽奖概率+css3旋转动画)
进入界面后2s开始旋转抽奖,3s后停止,效果图：实现代码：<!DOCTYPE html><html lang="en"><head> <meta charset="UTF-8"> <meta name="viewport" content="wi...
概率论与数理统计教程（第二版，茆诗松，）PDF下载
概率论与数理统计教程（第二版，茆诗松，2010）PDF下载：共享地址 ...
概率统计3
随机变量：随机试验E的样本空间为S，如果对于每一个事件e都有一个实数X(e)与之对应，则得到一个定义在S的实函数X(e)，称为随机变量。随机变量常用X，Y，Z表示。...