习题1.1 统计学习方法的三要素为：模型、策略、算法。 模型即需要用函数 \(Y=f_\theta(X)\) 或者条件概率分布 \(P_\theta(Y|X)\) 表示。 策略即寻找合适的损失函数，表示预测值与真实值之间的误差，进而构建风险函数。风险函数就是最优化的目标函数。 算法即学习模型时需要选 ...
分类：
其他好文 时间：
2021-06-21 20:51:54
阅读次数：
0
朴素贝叶斯算法 什么是朴素贝叶斯分类方法 条件概率与联合概率 联合概率：包含多个条件，且所有条件同时成立的概率 记作：P(A,B) 特性：P(A, B) = P(A)P(B) 条件概率：就是事件A在另外一个事件B已经发生条件下的发生概率 记作：P(A|B) 特性：P(A1,A2|B) = P(A1| ...
分类：
编程语言 时间：
2021-01-22 12:09:06
阅读次数：
0
目录条件概率一、条件概率简介二、条件概率推广 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.cnblogs.com/nickchen121/p/11686958.html 条件概率 一、条件概率简介 条件概率是指事件A在 ...
分类：
其他好文 时间：
2020-12-16 12:04:52
阅读次数：
2
1、基本原理 S 表示一连串特定顺序排列的词 ， ，…， 使用链式法则计算词序列 S 发生的概率 由于上述条件概率过于复杂，因此引入马尔科夫假设 马尔科夫假设：第 I 个词仅与前面的 k 个词有关 取 k=1，将上式简化为 计算 对大量文本进行阅读，并统计得到 在文本中出现的概率 词序列 在文本中出 ...
分类：
其他好文 时间：
2020-07-21 22:21:39
阅读次数：
73
扔硬币 题解： 1.如果\(\left ( m+k\right )> n\)，那么就很明显答案为0； 2.根据条件概率：则题目就是求，在至少有\(m\)枚硬币是反面的情况下，恰好有\(k\)枚硬币是正面的概率。那么就可以设\(A\)为至少有\(m\)枚硬币是反面，\(B\)为恰好有\(k\)枚硬币是 ...
分类：
其他好文 时间：
2020-07-16 00:23:21
阅读次数：
105
逐点互信息(PIM)：用来衡量两个事物的相关性 定义如下： 在概率论中，我们知道，如果x跟y不相关，则 P(x,y) = P(x)P(y)。二者相关性越大，则 P(x,y) 就相比于 P(x)P(y) 越大。根据条件概率公式，你还可以写成 这也很好理解，在y出现的情况下x出现的条件概率 p(x|y) ...
分类：
其他好文 时间：
2020-07-10 09:46:42
阅读次数：
91
目录 条件随机场CRF—— 前向后向算法评估标记序列概率 条件随机场CRF—— 模型参数学习 条件随机场CRF—— 维特比算法解码 一、条件随机场CRF—— 前向后向算法评估标记序列概率 linear-CRF第一个问题是评估推断（Inference），即给定 linear-CRF的条件概率分布P(y ...
分类：
其他好文 时间：
2020-06-26 10:32:29
阅读次数：
104
贝叶斯推断由上一篇我们已经了解到，对于未知的分布或者难以计算的问题，我们可以通过变分推断将其转换为简单的可计算的问题来求解。现在我们贝叶斯统计的角度，来看一个难以准确计算的案例。 推断问题可以理解为计算条件概率$p(y|x)$。利用贝叶斯定理，可以将计算条件概率（或者说后验概率，posterior） ...
分类：
其他好文 时间：
2020-06-23 01:01:38
阅读次数：
568
目录 知识串讲 HMM VS MEMM 从随机场到马尔科夫随机场 条件随机场(CRF) MRF因子分解定理 线性链条件随机场(Linear-CRF) 一句话简介：条件随机场(Conditional Random Fields, 以下简称CRF)是给定一组输入序列条件下另一组输出序列的条件概率分布模型 ...
分类：
其他好文 时间：
2020-06-21 23:30:06
阅读次数：
52
背景解决的二分类问题,如手写识别0-9目标：逻辑回归返回一个概率值[0-1]逻辑回归的特点：快、效果好、容易实时在线预测、利于分析方法：定义一个条件概率，如p(Y|X)相当于用模型来捕获输入X和输出Y之间的关系，如推导对于二分类问题，由于p(Y|X)的值域在[-∞,+∞]，为了令其至于范围压缩到[-1,1]之间，故推荐使用sigmoid函数，故得两式子合并，可得关于使用sigmoid前面说道使用该
分类：
其他好文 时间：
2020-06-15 10:05:46
阅读次数：
55
