本文来自Coursera(Robotics:Estimation and Learning) 主要讲:机器人世界使用的几种地图 占据栅格地图的表示方法与更新方法 利用激光传感器数据构建占据栅格地图 1、机器人地图分类 尺度地图:坐标、经度纬度等 拓扑地图:用于路径规划 语义地图:用于人机交互 2、栅 ...
分类:
其他好文 时间:
2018-01-23 13:13:12
阅读次数:
6526
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
贝叶斯公式定义如下, 公式大家都知道,如何理解呢?下面给一个机器识别相关的例子,直观地说明。 在机器识别中,假设机器要识别“一”所在的这个小图像块表示什么字符(可以想象为拿手机对着一页书拍了张照片,机器要认出照片中“一”这个区域代表的是什么字)。 我们先看“一”字在几何上的特点是什么呢?大概认为是 ...
分类:
其他好文 时间:
2018-01-21 01:07:23
阅读次数:
162
摘自http://mindhacks.cn/2008/09/21/the-magical-bayesian-method/ 概率论只不过是把常识用数学公式表达了出来。 ——拉普拉斯 目录 0. 前言 1. 历史 1.1 一个例子:自然语言的二义性 1.2 贝叶斯公式 2. 拼写纠正 3. 模型比较与 ...
分类:
其他好文 时间:
2018-01-17 15:54:47
阅读次数:
204
上一文介绍了K均值对股票K线分类,该文对它做一个应用,通过贝叶斯分类器进行股票走势的预测。好多炒股的大牛都说看K线判断次日的涨跌,按照这个思路,我们将前六根k线做为输入,涨幅超过2个点为1作为输出训练贝叶斯分类器,然后输入当日的前六根K线作为输入,来预测明日的股票走势。首先介绍一下贝叶斯分类器。贝叶斯分类器的分类原理是通过某对象的先验概率,利用贝叶斯公式计算出其后验概率,即该对象属于某一类的概率,
分类:
其他好文 时间:
2018-01-17 10:10:28
阅读次数:
206
朴素贝叶斯法基于 1.贝叶斯定理 2.特征条件独立假设 用于分类的特征在类(y)确定的情况下是条件独立的 输入: 过程: 1.学习先验概率 2.学习条件概率分布(条件独立性假设) 其中: (极大似然估计) 3.根据贝叶斯公式,计算后验概率 带入条件概率公式: 上式中,分母是一样的,当k取不同值时分子 ...
分类:
其他好文 时间:
2018-01-11 15:35:25
阅读次数:
104
机器学习实战三(Naive Bayes) 前两章的两种分类算法,是确定的分类器,但是有时会产生一些错误的分类结果,这时可以要求分类器给出一个最优的猜测结果,估计概率。朴素贝叶斯就是其中一种。 学过概率论的人对于贝叶斯这个名字应该是相当的熟悉,在学条件概率的时候,贝叶斯公式可谓是一针见血。这里的“朴素 ...
分类:
其他好文 时间:
2018-01-09 14:42:53
阅读次数:
150
本文介绍 Stanford《From Languages to Information》课程中讲到的 单词拼写错误 纠正。背后的数学原理主要是贝叶斯公式。单词拼写错误纠正主要涉及到两个模型:一个是Nosiy Channel模型,它是贝叶斯公式中的似然函数;另一个模型是Language Model,它 ...
分类:
其他好文 时间:
2017-12-09 19:32:08
阅读次数:
207
梯度方向:上升的方向 梯度下降:沿着梯度的反方向下降,来最小化损失函数,也就是沿着梯度的反方向 泰勒级数:展开式通项 贝叶斯公式:后验概率=先验概率*条件概率 特征值与特征向量:特征值不同,特征向量线性无关 PCA:降维的同时尽可能的保留原始的信息 过程 1)先求解协方差矩阵 2)求解协方差矩阵的特 ...
分类:
其他好文 时间:
2017-10-22 22:13:15
阅读次数:
144