赵娜0418
2020-02-19 阅读量: 949
与回归问题相比，分类问题的输出不再是连续值，而是离散值，用来指定其属于哪个类别。回归问题中将损失函数定位为误差函数是因为回归的目标是尽可能拟合样本点，但分类问题的目标是尽可能将样本点分类到正确的类别中，仍然使用误差函数作为损失函数显然是不合适的。
四分位数的应用通常是用于描述数据的分布情况和识别异常值。以下是一些常见的应用场景：数据分析：通过计算四分位数，可以了解数据的中心趋势和离散程度。例如，可以使用四分位数来计算中位数、上四分位数和下四分位数，以了解数据的分布情况。箱线图：箱线图是一种常用的数据可视化工具，可以通过四分位数来绘制。箱线图可以显示数据的中位数、上四分位数、下四分位数以及异常值，帮助我们直观地了解数据的分布情况。异常值检测：
美国、芬兰和中国各个国家2018年7月至2023年8月度GDP增长率
★深度学习；模式识别；图像处理；人工智能建模；人工智能；深度学习算法；强化学习；神经网络；卷积神经网络；人工神经网络；VIBE算法；控制系统仿真；机器学习；高性能计算；数据挖掘；超算；ACL；算力；计算机视觉；PSU；Transformer；PLM；SLM；NLM；LLM；Galactica；OPT；OPT-IML；BLOOM；BLOOMZ；GLM；Reddit；H100；H800；A100；A8
问题:某地区成年女子的血压(以mmHa计) 服从N(110，144)，求该地区成年女性血压在100至120的可能性多大 ( (φ(0.83)=0.7967)A 0.676B 0.5C 0.5934D 0.5768解析:根据题目描述，该地区成年女子的血压服从N(110，144)分布。要求计算血压在100至120之间的可能性，可以使用标准正态分布进行计算。首先，需要将血压转化为标准正态分布的值。计算方
