probabilistic robotics一书的学习笔记，大部分公式均来自此书 ...
分类：
其他好文 时间：
2017-08-09 12:47:12
阅读次数：
131
7月30之前做了什么 监督学习的常见算法，如决策树，SVM，GLM，naive bayes，非监督算法，k-means，kNN 相关的概率论知识补充，除神经网络与深度学习外的资料收集，对脑机研究的基本了解，对整体机器学习，深度学习，数据挖掘这块宏观的认识 接下来还需要继续学习的有： 1.继续传统机器 ...
分类：
其他好文 时间：
2017-07-28 14:07:47
阅读次数：
154
我们这个系列主要为了了解并会使用Accord.NET中机器学习有关算法，因此主要关注的是算法针对的的问题，算法的使用。所以主要以代码为主，通过代码来学习，在脑海中形成一个轮廓。下面就言归正传，开始贝叶斯分类器的学习。 朴素贝叶斯分类器，一个基于贝叶斯理论的简单概率分类器。简单的说，贝叶斯理论是独立特 ...
分类：
Web程序 时间：
2017-07-27 21:19:30
阅读次数：
209
1. Naive Bayes算法 朴素贝叶斯算法算是生成模型中一个最经典的分类算法之一了，常用的有Bernoulli和Multinomial两种。在文本分类上经常会用到这两种方法。在词袋模型中，对于一篇文档$d$中出现的词$w_0,w_1,...,w_n$, 这篇文章被分类为$c$的概率为$$p(c ...
分类：
编程语言 时间：
2017-07-26 23:33:33
阅读次数：
399
贝叶斯公式描写叙述的是一组条件概率之间相互转化的关系。 在机器学习中。贝叶斯公式能够应用在分类问题上。这篇文章是基于自己的学习所整理。并利用一个垃圾邮件分类的样例来加深对于理论的理解。 这里我们来解释一下朴素这个词的含义： 1）各个特征是相互独立的，各个特征出现与其出现的顺序无关； 2）各个特征地位 ...
分类：
其他好文 时间：
2017-07-08 19:46:10
阅读次数：
188
本文选取了25封垃圾邮件和25封正常邮件，随机产生了10组测试集和40组训练集，使用朴素贝叶斯方法实现了垃圾邮件的分类。 Bayes公式 遍历每篇文档向量，扫描所有文档的单词，合并集合去重 ，并生成最终的词汇表 # 创建词汇表 # 输入：dataSet已经经过切分处理 # 输出：包含所有文档中出现的 ...
分类：
其他好文 时间：
2017-06-18 10:31:47
阅读次数：
170
目前，机器学习的方法主要有三种：监督学习、半监督学习和无监督学习。监督学习是利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程。白话一点，就是根据已知的，推断未知的。代表方法有：Nave Bayes、SVM、决策树、KNN、神经网络以及Logistic分析等； 半监督方法主要考虑如何利 ...
分类：
其他好文 时间：
2017-06-16 21:11:59
阅读次数：
275
本讲内容 1. Naive Bayes（朴素贝叶斯） 2.Event models（朴素贝叶斯的事件模型） 3.Neural network （神经网络） 4.Support vector machines（支持向量机） 1.朴素贝叶斯 上讲中的垃圾邮件问题有几个需要注意的地方： （1） 一个单词只 ...
分类：
其他好文 时间：
2017-06-07 20:58:28
阅读次数：
222
本讲内容 1. Generative learning algorithms（生成学习算法） 2. GDA（高斯判别分析） 3. Naive Bayes（朴素贝叶斯） 4. Laplace Smoothing（拉普拉斯平滑） 1.生成学习算法与判别学习算法 判别学习算法：直接学习 或者学习一个假设 ...
分类：
编程语言 时间：
2017-06-03 16:17:16
阅读次数：
209
#coding=utf-8 #Naive Bayes #Calculate the Prob. of class:clsdef P(data,cls_val,cls_name="class"): cnt = 0.0 for e in data: if e[cls_name] == cls_val: ...
分类：
其他好文 时间：
2017-04-25 23:31:06
阅读次数：
208
