3 - Probability and Statistics：学習メモ
サイズ：     
  USER
  サンプルユーザ
サンプル用のユーザです。
 WEB
    学習ノート
機械学習関連の学習に使えそうな本や動画を調べ、整理してみました。（なるべくFREEのものを優先しました）

* 尚、ノートの文章は一部を除きAIに書いてもらったもので、正確性はありません。
* ノートにchatGPT等AIに作ってもらった表を貼るには、「マークダウンのコードに変換して」と頼めば書き出してくれるので、ノートを「markdown」編集モードにして、コピペすれば簡単です。
sub  

Loading ...

    ノート表示（LV2）
3 - Probability and Statistics：学習メモ   LV2     Link：no title   2024/2/9
”
”
  引用元：
  引用元：
#### Probability and Statistics

「Probability and Statistics」は、機械学習における確率と統計の基本的な概念に焦点を当てています。

------

1. **確率の基本**:
- 確率の基本的な概念について学びました。事象、確率変数、確率分布などの用語が紹介されました。
- サンプル空間、確率質量関数、確率密度関数など、確率に関連するキーワードを理解しました。

2. **期待値と分散**:
- 確率変数の期待値と分散について学びました。これらの統計的指標がデータ分析でどのように役立つかを理解しました。
- 期待値と分散の計算方法と性質について詳しく説明されました。

3. **共分散と相関**:
- 2つの確率変数間の共分散と相関について学習しました。これらは2つの変数がどのように関連しているかを示す指標です。
- 共分散行列と相関行列についても解説がありました。

4. **ベイズの定理**:
- ベイズの定理について学びました。ベイズの定理は、条件付き確率を用いて事後確率を計算するための重要なツールです。
- ベイズの定理を用いて、事前情報と新たな証拠を組み合わせて確率分布を更新する方法が示されました。

5. **確率分布の種類**:
- 確率分布の種類について学習しました。離散分布（ベルヌーイ分布、二項分布）や連続分布（正規分布、指数分布）などが紹介されました。
- 各分布の確率質量関数や確率密度関数について説明がありました。

6. **最尤推定**:
- 最尤推定法について学びました。最尤推定は、確率分布のパラメータをデータから推定するための方法で、尤度関数を最大化するアプローチです。
clip （公開時は表示されません）
  sub_notes （LV3）   全て開く   全て閉じる
none   LV3 4月17日  
0
”
”
  引用元：
  引用元：
none
 sub

  コメント

  コメントを書く
ads
ads