神经网络和深度学习(1)--统计与分布


title: 神经网络和深度学习(1)--统计与分布
categories: 白话大数据和机器学习
tags: 机器学习


统计与分布

决策权衡

决策平衡也就是平时所说的加权平均的概念,当出现需要做出听证决策时,往往不同的重要程度的人群所拥有的决策权不同。


欧氏距离

计算方法就是平时我们在解析几何当中使用的绝对距离,在工程领域使用广泛,他的计算方法是:

欧氏距离

曼哈顿距离

曼哈顿距离在我看来又可以称为绝对值距离,它的引入是来源于生活实际,在日常生活中应用广泛,比如我们谈论两个地点之间的距离,我们一般是采用的曼哈顿距离,也就是我们一般会采用这两点所形成的三角形的两个直角边的距离和,而不是欧氏距离所代表的三角形斜边距离。我们来看一下它的计算公式:


曼哈顿距离

同比和环比

在看一些新闻或者报道时,经常听到的“某公司本月销售额1000万,同比增长100%,环比增长25%”这是什么意思?

同比:是“与相邻时段的同一时期相比”应该是今年7月与去年7月做比较

环比:就是直接与上一个报告期进行比较,这样来说,应该是与今年的6月进行比较

在互联网行业中,我们也可以见到这样的例子

日活/月活:日/月活跃用户数

日PV数:page views ,俗称点击量


高斯分布

高斯分布又称为正态分布(Normal Distribution),以下是它的概率密度函数:

高斯分布

高斯分布的 \mu+(1/2/3)\sigma段式概率分布分别是68.2%、95.4%、99.8%。


泊松分布

泊松分析适合于描述单位时间内随机事件发生的次数。

泊松分布

其中,\lambda 是单位时间(或单位面积)内随机使劲按的平均发生率。

分布适用的事件需要满足三个条件:

1.小概率事件

2.事件每次发生是独立的不会互相影响

3.事件的概率是稳定的。


伯努利分布

这是一种离散分布,有两种结果,1表示成功,出现的概率为P。0表示失败,出现的概率为q=1-P。

伯努利分布需要满足两个条件:

1.事件的发生是相互独立

2.只有两种结果

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 215,874评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,102评论 3 391
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 161,676评论 0 351
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,911评论 1 290
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,937评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,935评论 1 295
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,860评论 3 416
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,660评论 0 271
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,113评论 1 308
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,363评论 2 331
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,506评论 1 346
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,238评论 5 341
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,861评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,486评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,674评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,513评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,426评论 2 352

推荐阅读更多精彩内容