前言 这篇博客简单介绍期望最大化（Expectation-Maximization，EM）算法。 其实很喜欢一些有些年头的算法，名字简明易了。 EM算法便是代表，算法主要迭代Expectation和Maximization两个环节，最后求解

前言 这篇博客中，我主要想复习一下极大似然估计(maximum likelihood estimation, MLE)和最大后验估计(maximum a posteriori estimation, MAP)。 MLE 似然函数 假设我么现

前言 很对模型都会默认一个很基本的假设：噪声是服从高斯分布的（高斯分布也叫做常态分布，这是更好理解的。反而是正态分布z这个名字让人疑惑）。 如果一个随机变量XXX服从高斯分布，即X∼N(μ,σ2)X \sim \mathcal{N}(\mu

简述 对于某一个一维随机变量XXX，我们让它的观测x={x1,x2,…,xN}\boldsymbol{x} = \{x_{1}, x_{2}, \dots, x_{N}\}x={x1​,x2​,…,xN​}为总体。 接下来，我们对XXX的这

Welcome to Hexo! This is your very first post. Check documentation for more info. If you get any problems when using Hex

简述 这里写一些对于bootstrap的理解。 在进行线性回归的时候，我经常遇到的问题是，我不知道回归出来的系数是否显著不为0。 如果只有二元随机变量的时候，我们可以借助HSIC之类的方法进行独立性检测。如果两个变量相互独立，那他俩必然不线

简述 这里主要对一些我经常遇到的专业名词进行记录 概率统计 随机变量（Random Variable） 定义：一个在实验或观测前无法确定其取值，只能通过概率分布来描述的变量。 类型： 离散型：如掷骰子的结果 X∈{1,2,3,4,5,6}

简述 这里记录一些有关于中心极限定理的结论和推导 中心极限定理的简单理解 中心极限定理指的是给定一个任意分布的总体。我每次从这些总体中随机抽取nnn个抽样，一共抽mmm次。 然后把这mmm组抽样分别求出平均值。 这些平均值的分布接近正态分布

Abstract I will list up some assumptions when a casual model is considered here. Also, several causal learning method co

简述 这学期选了门课，複雑システムのモデル化と問題解決。老师是位很元气的人😂。课程上会介绍应用在不同领域的各种数学模型。按之前的话，这课我可能听一节就跑了，但老师讲的日语实在是太容易听懂了（上课的时候我记的笔记都是在记实用的日语表达方式�

简述 这篇博文主要将一些微分方程的解法记录在这里，会持续更新。 一 v(t)=exp(At)v(0)v(t) = exp(At)v(0)v(t)=exp(At)v(0)是微分方程ddtv(t)=Av(t)\frac{d}{dt}v(t) =

简述 本笔记主要参考B站up主日语翻译小昊的视频。视频一百讲，与般面向考级的语法视频不同，该网课更多地从学术的角度对一些语法结构进行比较和讲解。但该网课对于日语专业的学生来讲可能并不深。对于我这种非科班出身的日语学习者来讲则是一个比较好的入