在统计学中，identifiability（可识别性）是模型必须满足的属性，以便能够进行精确推理。从理论上说，如果一个模型可以从无限的观察值中学习到模型潜在参数的真实的值，那么这个模型就是可识别的（identifiable）。从数学上来说，这个就等价于参数的不同值必须产生观察变量的不同概率分布。通常情况下，基于特定的技术约束，一个模型是可识别的。那么这些约束就称为可识别条件（identificat

这里写自定义目录标题无法读取同一路径的模块无法读取同一路径的模块当我们在使用pycharm的时候，文件A和B在同一目录下，在A中import B的时候会出现“无法找到相关模块”的问题。这是因为pycharm不会自动将A所在路径中的文件都加入到工作空间中。我们可以通过以下两种方法来解决1：1）File -> Setting -> 打开 Console下的Python Console，把选

高斯分布是一个很神奇的分布，很多人在考虑问题的时候，总是很喜欢假设数据是满足高斯分布的。其原因可能就是，正态分布的各项统计学特征都可以很好地表示出来，我们只需要知道两个参数——均值和方差，即可，就可以得到概率密度分布、累计密度分布等等，同时可以利用多种现有的方法解决不同的问题。但是现实场景中，很多数据并不是如我们想象地那样：满足高斯性。那么我们可以采用逆变换采样（inverse transfor.

在统计学中，identifiability（可识别性）是模型必须满足的属性，以便能够进行精确推理。从理论上说，如果一个模型可以从无限的观察值中学习到模型潜在参数的真实的值，那么这个模型就是可识别的（identifiable）。从数学上来说，这个就等价于参数的不同值必须产生观察变量的不同概率分布。通常情况下，基于特定的技术约束，一个模型是可识别的。那么这些约束就称为可识别条件（identificat

目录一、基础知识二、回归系数与相关系数1.定义2.二者的联系3.二者的区别假设有两个随机变量(x,y)(x,y)(x,y)，其NNN个样本组合为（x1,x2,…,xN）（x_1,x_2,\dots,x_N）（x1​,x2​,…,xN​）和(y1,y2,…,yN)(y_1,y_2,\dots,y_N)(y1​,y2​,…,yN​)。一、基础知识单个变量xxx的特征值为：标准差（standar...

基本语法生成目录列表有序列表无序列表表格图片URL链接数学符号几个有用的特性代码块样式（code block）数学表达式块（math block）绘制图表其他特性文件转换markdown和word的转换安利一下很好用的markdown编辑器Typora。它功能很强大，具有简洁，跨平台，所见即所得的特点，支持Mar...