前言：学习机器学习的过程意识到，数学是工科的基石。很多数学公式似懂非懂，因此有了这篇博客，想在学习每个模型的过程中搞懂其中的数学理论。 贝叶斯决策论 1.前置知识：先验概率与后验概率 先验概率P(B)：根据以往经验和分析得到的概率 先验概率是一种常识性、经验性认知，比如抛硬币正反面的概率是1/2。 ...
分类：
其他好文 时间：
2019-12-17 16:40:20
阅读次数：
104
先验概率：基于已有知识对司机事件进行概率预估，但不考虑任何相关因素。 后验概率：基于已有知识对随机事件进行概率预估，并考虑相关因素P(c|X)。 7.1 贝叶斯决策论 贝叶斯决策论是概率框架下实施决策的基本方法。贝叶斯决策论考虑如何基于这些概率和误判损失来选择最优的类别标记。 在样本x上的“条件风险 ...
分类：
其他好文 时间：
2019-09-25 12:40:23
阅读次数：
158
事实上，介绍贝叶斯定理、贝叶斯方法、贝叶斯推断的资料、书籍不少，比如《数理统计学简史》，以及《统计决策论及贝叶斯分析 James O Berger著》等等，但初学者一上来就扔给他一堆英文论文，基本都是半途而废 ...
分类：
编程语言 时间：
2018-04-20 22:01:17
阅读次数：
248
参考： 模式识别与机器学习（一）：概率论、决策论、信息论 了解一些AI方面的前沿知识！！！ 待续~ ...
分类：
其他好文 时间：
2018-04-07 11:17:12
阅读次数：
138
贝叶斯分类器是一个相当宽泛的定义，它背后的数学理论根基是相当出名的贝叶斯决策论。 贝叶斯学派 贝叶斯决策论是在概率框架下进行决策的基本方法之一，更是统计模式识别的主要方法之一。 贝叶斯学派与频率学派 贝叶斯决策论 参数估计 极大似然估计 极大后验概率估计 ...
分类：
其他好文 时间：
2018-02-11 00:10:07
阅读次数：
155
贝叶斯决策论，作为解决模式识别问题的一种基本的统计途径，其假设决策的问题可以用概率的形式表示，并且假设所有有关的概率结构均已知。 根据贝叶斯公式，可以知道后验概率可以表示成似然函数和先验概率的乘积形式（证据对于每个类别都是相通的，所以在决策过程中可以忽略）。贝叶斯决策一般是用于分类场景，我们根据每个 ...
分类：
其他好文 时间：
2018-01-21 11:02:06
阅读次数：
185
从贝叶斯方法谈到贝叶斯网络0 引言 其实。介绍贝叶斯定理、贝叶斯方法、贝叶斯判断的资料、书籍不少，比方《数理统计学简史》，以及《统计决策论及贝叶斯分析 James O.Berger著》等等，然介绍贝叶斯网络的中文资料则非常少。中文书籍总共也没几本。有的多是英文资料。但刚開始学习的人一上来就扔给他一堆 ...
分类：
其他好文 时间：
2017-05-24 14:36:36
阅读次数：
220
原文链接 在【前一个例子】中已经举例说明了如何用贝叶斯公式计算后验概率，然后依据后验概率来做决策。 1、什么是行为？ 但是，有时候，后验概率本身只能说明具有特征x的样本属于ωi类的可能性有多少，却没能表示如果将样本分到ωi类时的代价有多大。 在此，引入行为的概念。 分类器的设计初衷很简单，就是进行“ ...
分类：
其他好文 时间：
2017-04-26 15:42:38
阅读次数：
198
1. 贝叶斯决策论 定义： 贝叶斯决策论是概率框架下实施决策的基本方法。对分类任务来说，在所有概率都已知的理想情形下，贝叶斯决策考虑如何基于这些概率和误判损失来选择最优的类别标记，下面以多分类任务为例来解释其基本原理。 条件风险：假设有N中可能的类别标记，即 Y={c1,c2,...,cN}, λi ...
分类：
编程语言 时间：
2017-03-06 17:48:24
阅读次数：
835
0 引言 事实上，介绍贝叶斯定理、贝叶斯方法、贝叶斯推断的资料、书籍不少，比如《数理统计学简史》，以及《统计决策论及贝叶斯分析 James O.Berger著》等等，然介绍贝叶斯网络的中文资料则非常少，中文书籍总共也没几本，有的多是英文资料，但初学者一上来就扔给他一堆英文论文，因无基础和语言的障碍而 ...
分类：
其他好文 时间：
2017-02-09 22:03:47
阅读次数：
257
