http://www.evanmiller.org/statistical-formulas-for-programmers.html 记得大学时候  孙平老师 讲过这些

本文为论文翻译 在这个文章中，我们提出了一个新奇的神经网络模型，叫做RNN Encoder–Decoder，它包括两个RNN。一个ＲＮＮ用来把一个符号序列编码为固定长度的向量表示，另一个ＲＮＮ用来把向量表示解码为另外一个符号向量；提出的模型中的编码器和解码器被连接起来用于训练，目的是最大化目标序列相对于原序列的条件概率；基于经验，如果把the RNN Encoder–Decoder作为现存的lo

下图显示了钻石数据集中的钻石总数，按切工分组。钻石数据集来自 ggplot2，包含大约 54,000 颗钻石的信息，包括每颗钻石的价格、克拉、颜色、净度和切工。该图表显示，与低质量切割相比，高质量切割的钻石更多。 ggplot(data = diamonds) + geom_bar(mapping = aes(x = cut)) 在 x 轴上，图表显示切工，这是钻石的一个变量。

题目： Treadmill:通过精确的负载测试和统计推理识别尾延迟来源 摘要 管理请求的尾部延迟已经成为大规模Internet服务的主要挑战之一。 数据中心正在快速发展，服务运营商经常希望对部署的软件和生产硬件配置进行更改。 这种变化需要对对服务的影响，特别是其对尾部延迟的影响（例如，服务的响应延迟的95％或99％）的理解。 评估对尾部的影响是具有挑战性的，因为其固有的变异性。用于测量这

iris检测算法流程 基本原理 如下图，人眼形状是圆形。在图像中找到一个圆，该圆应该有明显的边界（虹膜与眼白）。在该圆周上的各像素平均值与相邻半径的平均值之差达到最大。如下图的外圆。假设其圆心为c， 半径为r。那么半径r+1圆周上的像素平均值与r的像素平均值达到最大。 基本思路是：先遍历圆心位置，再遍历半径，找到相差最大的位置。为了加速，可以用各种方法去快速定位圆心位置。该文章使用阈值+局部

论文学习：Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation 这篇论文算是 Seq2Seq（Sequenc to Sequence） 的经典论文了。文中提出了一种新的RNN模型结构用于机器翻译等工作，此外，作为LSTM单元的变种和简化版本 GRU 单元也是在文章

Advanced Topics in Statistical Machine Learning 笔记03：贝叶斯网络02（Bayesian Network02） 查询处理（Query Processing）证据概率：Probability Of Evidence先验和后验边际：Prior and Posterior Marginals最大可能解释：Most Probable Explanat

回归问题(Refression Problem)就是预测连续性或者数量型的输出的问题。比如根据你的年龄预测你的工资，当然可以增加多个输入，像性别、工龄、教育水平等等。 分类问题(Classfication Problem)就是预测结果落在哪个同中的问题。最简单的比如预测股票市场的上涨还是下跌。 聚类问题(Clustering Problem)就是将输入根据特称分为几类，不存在输出变

RISE: Robust Wireless Sensing Using Probabilistic and Statistical Assessments 翟双娇 MobiCom 2021 阅读于 2021.11.04 ABSTRACT 无线感知存在的问题：感知鲁棒性和性能容易收到环境变化的影响 RISE：提高基于学习的无线感知在环境变化时的感知鲁棒性和精度 RISE结果：在11种