精华内容
下载资源
问答
  • 本课程将假定您熟悉Python和基本统计​​信息(例如概率),但不需要具有贝叶斯方法或概率编程的经验。 教学大纲 基本贝叶斯推理 贝叶斯与频频主义者的世界观 贝叶斯推断的三个步骤 概率分布 参数估计模型 PyMC3...
  • SPFlow一个开源Python库,为深度和易处理的概率模型提供简单的推理,... 它有效地实现了几个概率推理例程,如计算边缘,条件和(近似)最可能的解释(MPE)以及采样以及用于SPN上的序列化,绘图和结构统计实用程序。
  • 使用本书提供的方法探索数学和编程,将让你的整个数学和计算机科学学习过程变得有趣、实用。 你将从本书学到以下内容: 用统计方法描述数据,用线图、条形图和散点图可视化数据 用程序探究掷硬币、掷骰子和其他...

    参考链接: Barnsley蕨类植物(Python)

    使用本书提供的方法探索数学和编程,将让你的整个数学和计算机科学学习过程变得有趣、实用。

     你将从本书学到以下内容:

     用统计方法描述数据,用线图、条形图和散点图可视化数据

     用程序探究掷硬币、掷骰子和其他概率游戏中的集合理论和概率问题

     用Python的符号数学功能解决代数问题

     绘制几何图形,探索分形,如Barnsley蕨类植物、Sierpiński三角以及Mandelbrot集

     写程序求解导数与积分

     无论你是对数学还是对编程感兴趣,本书都会带给你不一样的体验。如果你是一位老师,希望教学生编程,你会发现Python让编程变得更容易。如果你是一位学生,当你致力于解决数学问题时,让Python来帮助你处理那些烦琐的计算工作吧!

     内容简介

     本书将程序设计和数学巧妙地结合起来,从简单的项目开始,应用Python解决高中和大学低年级的数学问题,比如几何、概率、统计以及微积分等,为进一步学习更复杂的数学内容以及Python编程语言打下坚实的基础。本书也可作为Python初学者的入门读物,通过学习书中的示例程序和完成那些编程挑战,读者可以提高自己的编程能力和技巧。

     产品详情

     人民邮电出版社

     我是终身学习者“ 老马”,一个长期践行“结伴式学习”理念的 中年大叔。

     我崇尚分享,渴望成长,于2010年创立了“ LSGO软件技术团队”,并加入了国内著名的开源组织“ Datawhale”,也是“ Dre@mtech”、“ 智能机器人研究中心”和“ 大数据与哲学社会科学实验室”的一员。

     愿我们一起学习,一起进步,相互陪伴,共同成长。

     后台回复「搜搜搜」,随机获取电子资源!

    展开全文
  • 贝叶斯分类算法是统计学的一种分类方法,它是一类利用概率统计知识进行分类的算法。由于贝叶斯定理假设一个属性值(特征)对给定类的影响独立于其它属性的值,因此在特征条件独立假设不成立的情况下,而其分类准确率...

    朴素贝叶斯分类器是一个非常简单,但是非常实用的分类模型。贝叶斯分类算法是统计学的一种分类方法,它是一类利用概率统计知识进行分类的算法。由于贝叶斯定理假设一个属性值(特征)对给定类的影响独立于其它属性的值,因此在特征条件独立假设不成立的情况下,而其分类准确率可能会下降。

    基于python语言的scikit-learn学习库,使用Python语言可以轻松实现朴素贝叶斯分类器。下面以20类新闻文本数据为例,以朴素贝叶斯分类器对其进行分类,程序代码如下:

    # -*- coding: utf-8 -*-
    """
    朴素贝叶斯分类器
    
    """
    #导入数据
    from sklearn.datasets import fetch_20newsgroups
    news=fetch_20newsgroups(subset='all')
    
    #数据分割,形成训练集和测试集
    from sklearn.model_selection import train_test_split
    x_train,x_test,y_train,y_test=train_test_split(news.data,news.target,test_size=0.25,random_state=33)
    #构建模型
    from sklearn.feature_extraction.text import CountVectorizer
    vec=CountVectorizer()
    x_train=vec.fit_transform(x_train)
    x_test=vec.transform(x_test)
    #导入bayes模型
    from sklearn.naive_bayes import MultinomialNB
    mnb=MultinomialNB()
    #训练数据
    mnb.fit(x_train,y_train)
    #预测
    y_pred=mnb.predict(x_test)
    #评估模型
    from sklearn.metrics import classification_report
    print("朴素贝叶斯分类器的准确率为:",mnb.score(x_test,y_test))
    print(classification_report(y_test,y_pred,target_names=news.target_names))
    

    作者:LiPF

    展开全文
  • 二项分布在我们的生活中无所不在,是概率统计中非常基础、非常实用的一种分布,本文介绍python中的二项分布。 1、二项分布是什么? 二项分布(Binomial Distribution)是概率统计中非常基础、非常实用的一种分布。 ...

    在这里插入图片描述

    在我们生活中,抛出硬币无非是落下是正面或反面,类似于成功或失败的这样的只有两个可能结果的分布背称为二项分布。二项分布在我们的生活中无所不在,是概率统计中非常基础、非常实用的一种分布,本文介绍python中的二项分布。

    1、二项分布是什么?

    二项分布(Binomial Distribution)是概率统计中非常基础、非常实用的一种分布。

    二项式分布就是只有两个可能结果的分布,比如成功或失败。

    说明现象:在给定的试验次数中,某一结果会发生多少次。

    2、二项分布应用

    博彩行业的规则设定

    正常值范围的设定(例:医疗行业)

    3、使用python中scipy.stats模块操作二项分布

    抛掷10次硬币,假设在该试验中正面朝上的概率为0.3。

    使用stats.binom.pmf计算每次观测的概率质量函数。

    import numpy as np
    import matplotlib.pyplot as plt 
    from scipy import stats
    
    plt.subplot(121)
    n = 10
    p = 0.3 
    k = np.arange(0, 30) 
    binomial = stats.binom.pmf(k, n, p)
    plt.plot(k, binomial, 'o-')
    #使用rvs函数模拟一个二项随机变量,其中参数size指定你要进行模拟的次数,这里为10000次。
    plt.subplot(122)
    binom_sim = data = stats.binom.rvs(n=10, p=0.3, size=10000)
    print "Mean: %g" % np.mean(binom_sim)
    print "Sd: %g" % np.std(binom_sim, ddof=1)
    plt.hist(binom_sim, bins=10, normed=True)
    
    plt.show()
    

    输出:

    Mean: 2.9956
    Sd: 1.44187
    

    以上就是python中有关二项分布的介绍和具体操作实例,希望能帮助你操作使用哟~
    文章部分内容源于网络,联系侵删*

    展开全文
  • 1、Python数学编程 阿米特·萨哈(Amit Saha) 著...本书展示了如何应用Python探究高中和大学低年级的数学主题,比如代数、统计、几何、概率以及微积分。你会从简单的项目学起,比如因式分解、二次方程求解,当你...

    1、Python数学编程

    阿米特·萨哈(Amit Saha) 著,许杨毅,刘旭华 译

    年末,等来了这几本重磅新书:深度学习、Python、机器学习...

     

    • 有趣、生动、实用,高中生也能看得懂的Python编程书
    • 美亚青少年学计算机编程畅销书
    • 通过编程来探究代数、统计、几何、概率、微积分等数学主题

    本书展示了如何应用Python探究高中和大学低年级的数学主题,比如代数、统计、几何、概率以及微积分。你会从简单的项目学起,比如因式分解、二次方程求解,当你掌握了这些基础的知识后,就可以处理更复杂的项目了。 
    使用本书提供的方法探索数学和编程,将让你的整个数学和计算机科学学习过程变得有趣、实用。 
    你将从本书学到以下内容:

    • 用统计方法描述数据,用线图、条形图和散点图可视化数据
    • 用程序探究掷硬币、掷骰子和其他概率游戏中的集合理论和概率问题
    • 用Python的符号数学功能解决代数问题
    • 绘制几何图形,探索分形,如Barnsley蕨类植物、Sierpiński三角以及Mandelbrot集 
      写程序求解导数与积分

    2、下一代网络

    [美] 马库斯·韦尔登(Marcus,K.,Weldon) 著,宋飞,徐恪,钱蔓藜,张宏科译

    年末,等来了这几本重磅新书:深度学习、Python、机器学习...

     

    • 贝尔实验室官方图书带你探秘未来网络
    • 分析网络技术的发展与变革,围绕未来网络的发展进行深入剖析
    • 从全世界Z牛的技术专家视角展望未来,美亚五星好评图书

    每一位准备注资IT领域的投资人、每一位为了选择专业彷徨不定的学子、每一位在考虑未来科研方向的学者,乃至每一位已经投身IT领域但希望进一步制定个人职业发展规划的技术人才,都应该阅读这本图书,并且在选择投资对象、专业方向、研究领域和职业规划发展蓝图的时候,把这本书视为一份来自贝尔实验室的专业意见。

    本书的内容源自贝尔实验室,旨在分析网络技术的发展与变革,并围绕未来网络的发展进行了深入的讲解。


    本书包含14章内容,分别从网络数字化、网络全球化格局、网络安全、广域网的未来、云的兴起、无线网络、宽带网络、企业局域网、通信行业的未来、未来的信息、未来的物联网技术、未来的家居网络、未来的网络运营技术、未来的网络能源技术等重要层面介绍了网络相关的内容。 
    本书内容全面而有深度,适合高校和科研机构中从事网络和通信研究的专家、学者和教师阅读,也可供电信运营商及下属研究机构的相关人员、互联网和网络企业技术人员参考,同时高校计算机、网络工程、通信等专业的学生也可以阅读参考。

     

    3、深度学习实战手册 R语言版

    [印度] 普拉卡什(Prakash),阿丘图尼·斯里·克里希纳·拉奥(Achyutuni,Sri,Krishna,Rao) 著,王洋洋 译

    年末,等来了这几本重磅新书:深度学习、Python、机器学习...

     

    • 深度学习与R语言强强联手,使用TensorFlow、H2O和MXNet解决复杂的神经网络问题
    • 全彩印刷,在异步社区免费下载源代码和彩图文件

    本书将深度学习和R语言两者结合起来,帮助你解决深度学习实战中所遇到的各种问题,并且教会你掌握深度学习、神经网络和机器学习的高级技巧。本书从R语言中的各种深度学习软件包和软件库入手,带领你学习复杂的深度学习算法。首先,从构建各种神经网络模型开始,而后逐步过渡到深度学习在文本挖掘和信号处理中的应用,同时还比较了CPU和GPU的性能。 
    阅读完本书,你将对深度学习的架构和不同的深度学习包有一个比较深入的理解,能够为你今后碰到的项目或问题找到合适的解决方案。 
    本书的主要内容

    • 使用TensorFlow、H2O和MXNet构建
    • 不同应用领域的深度学习模型
    • 分析深度玻尔兹曼机
    • 建立和分析深度信念网络
    • 使用各种机器学习算法构建监督模型
    • 使用自动编码器理解特征表示
    • 探索深度学习中可用的生成模型
    • 使用循环网络实现序列建模
    • 了解强化学习的基础知识
    • 了解深度学习应用于文本挖掘的流程和步骤
    • 探索深度学习在信号处理中的应用
    • 使用迁移学习构建深度学习模型
    • 在GPU上训练深度学习模型

     

    4、机器学习精讲 全彩印刷

    安德烈·布可夫(Andriy Burkov) 著,韩江雷 译

    年末,等来了这几本重磅新书:深度学习、Python、机器学习...

     

    • 机器学习原理算法与应用教程
    • 精简机器学习入门手册,美亚机器学习深度学习畅销书
    • 全彩印刷,扫描书中二维码可阅读补充内容,人工智能和机器学习领域众多知名专家推荐

    《机器学习精讲》包含了监督和非监督学习、支持向量机、神经网络、集成算法、梯度下降、聚类分类、降维、自编码器、迁移学习、特征工程以及超参数调试等方面的知识。书中既有数学公式,又有图解说明,一应俱全。 
    本书具有以下特色: 
    ● 精简并直入主题——篇幅短小,读者可以快速读完并掌握机器学习技术的精髓。书中内容是作者和其他从业者多年研究的成果。 
    ● 配套网页——本书配有持续更新的网页,对书中内容进行补充,包括问答、代码、推荐阅读材料、工具以及其他相关内容。扫描书中二维码即可查看。 
    ● 全彩印刷——色彩丰富,阅读轻松。 
    ● 代码基于Python语言。

    5、代码精进之路 从码农到工匠

    张建飞 著

    年末,等来了这几本重磅新书:深度学习、Python、机器学习...

     

    • 代码精进教程,程序员代码整洁之道
    • 追求卓越和工匠精神,提高程序员的自我修养
    • 阿里巴巴集团高级技术专家多年经验积淀之作,众多业内大咖联合推荐

    写代码不仅是技术,更是一门技艺! 
    1.全面讲解编程技艺与方法,帮助读者培养良好的编程习惯。 
    2.着重培养技术人员的思想与素养,分享多年技术管理心得。 
    3.深度揭秘阿里巴巴团队在复杂度治理方面的探索与实践。 
    4.重点介绍开源框架COLA架构及其企业级应用“工匠平台”。

    这是一本为专业程序员而写的书,写好代码、追求卓越和工匠精神是每个程序员都应该具备的优秀品质。 
    本书共有13章内容,主要分为技艺部分、思想部分和实践部分。技艺部分详细介绍了编程技巧和方法论,并配以详尽的代码案例,有助于读者提高编写代码的能力,优化代码质量。思想部分主要包括抽象能力、分治思想,以及程序员应该具备的素养等内容。实践部分主要介绍了常见的应用架构模式,以及COLA架构的设计原理。

    展开全文
  • 二项分布是概率统计中非常基础、非常实用的一种分布,可以说它在我们的生活中无所不在。它说明了这样一种现象:在给定的试验次数中,某一结果会发生多少次。 比如: 这个月有多少天会刮北风? 今年有多少天会下雨? ...
  • 本书基于PyMC语言以及一系列常用的Python数据分析框架,如NumPy、SciPy和Matplotlib,通过概率编程的方式,讲解了贝叶斯推断的原理和实现方法。该方法常常可以在避免引入大量数学分析的前提下,有效地解决问题。书中...
  • 本书基于PyMC语言以及一系列常用的Python数据分析框架,如NumPy、SciPy和Matplotlib,通过概率编程的方式,讲解了贝叶斯推断的原理和实现方法。该方法常常可以在避免引入大量数学分析的前提下,有效地解决问题。书中...
  • 本书基于PyMC语言以及一系列常用的Python数据分析框架,如NumPy、SciPy和Matplotlib,通过概率编程的方式,讲解了贝叶斯推断的原理和实现方法。该方法常常可以在避免引入大量数学分析的前提下,有效地解决问题。书中...
  • 本书基于PyMC语言以及一系列常用的Python数据分析框架,如NumPy、SciPy和Matplotlib,通过概率编程的方式,讲解了贝叶斯推断的原理和实现方法。该方法常常可以在避免引入大量数学分析的前提下,有效地解决问题。书中...
  • 《贝叶斯方法 概率编程与贝叶斯推断》基于PyMC语言以及一系列常用的Python数据分析框架,如NumPy、SciPy和Matplotlib,通过概率编程的方式,讲解了贝叶斯推断的原理和实现方法。该方法常常可以在避免引入大量数学...
  • 我的第一个python产品“使用书”:“最简单的Python机器学习教科书,在流行老师教的工作中有用的实用知识” 文字档: : 队列分析:使用队列分析,我们对5年后按年龄划分的人口变化做出了预测。 尽管有5年的长期...
  • 统计充分性结果来自于并允许假设条形码的欧几里得表示形式上具有经典概率分布。 反过来,这使得各种适用于条形码的参数推断方法都可以保持条形码的初始解释。 特别地,这项工作表明可以假定指数族分布,并且可以...
  • -与一维数据峰值检测有关的实用程序 -数据访问和时间序列统计 -时间序列数据库 -计算矩阵配置文件,可用于各种时间序列数据挖掘任务 -用于时间序列分类的Python包 -灵活的统计工具箱,可从地下水数据中得出定量的...
  • 在现在的工业界,多实用Python进行算法原型设计,使用C++进行产品实现,所以在自学时应该先学习Python和C++. 英语 世界上最先进的知识大部分还是用英语为载体的,所以英语非常重要,平时可以每天拿出一个小时学习...
  • 今天给大家推荐的这个书单中,我想多程序员会对《Python编程快速上手 让繁琐工作自动化》特别熟悉,那么你对这个套系封面知道的有多少种?... 通过编程来探究代数、统计、几何、概率、微积分等数学主题...
  • 实用统计(即将推论统计概率应用于现实情况,例如分析A / B测试。) 用于数据分析SQL 数据可视化得出有意义的结论 运用的技术技能 Python 数据分析/整理库(Numpy,Pandas) 数据可视化库(Matplotlib,...
  • 概率统计 线性代数 结石 编程技巧 Python,R编程语言 数据结构与算法 系统篇 关系数据库,SQL Hadoop生态系统-HDFS,MapReduce,PIG,Hive NoSQL系统-HBase,MongoDB,Cassandra 云计算概念-Amazon Web Services ...
  • 通过使用最常用的Python软件包,将涵盖实用的数据科学入门所需的线性代数。 它还将涵盖数据科学家必须具备的概率和信息理论所需的背景知识。 第二部分显示了如何使用监督(分类/回归)和非监督(聚类)学习算法...
  • 实用效果体验Demo | 打赏作者 如果程序运行期间或使用中有什么问题,可以及时在issue中提出来,我将尽快做出答复。本项目作者交流QQ群:894112051 提问前请仔细查看项目文档、 常见问题 以及Issues 避免重复提问 ...

空空如也

空空如也

1 2 3
收藏数 42
精华内容 16
关键字:

python实用概率统计

python 订阅