一、概率论基本概念样本空间、随机事件频率和概率概率的相关运算和性质等可能概型:古典概型条件概率全概率公式：你用条件概念算事件概率贝叶斯公式：条件概率用于反推计算条件概率事件的相互独立性二、随机变量极其分布随机变量:每个样本点映射一个数字来表征基本离散型随便基变量分布:0-1分布、伯努利实验二项分布、 ...
分类：
其他好文 时间：
2017-09-12 15:59:56
阅读次数：
408
朴素贝叶斯分类 1，基本概念 2，算法流程 关键点：理解先验概率，条件概率，最大后验概率，下面是以极大似然估计的 3，算法改进（贝叶斯估计） 上述用极大似然估计可能会出现所要估计的概率值为0的情况，改进方法: 先验概率贝叶斯估计：K表示类别数，λ为参数：0时为极大似然估计；1时为拉普拉斯平滑 条件概 ...
分类：
其他好文 时间：
2017-09-02 20:48:16
阅读次数：
184
引入 监督学习的任务就是学习一个模型（或者得到一个目标函数）,应用这一模型，对给定的输入预测相应的输出。这一模型的一般形式为一个决策函数Y=f(X)，或者条件概率分布P(Y|X)。监督学习方法又可以分为生成方法(generative approach)和判别方法(discriminative app ...
分类：
其他好文 时间：
2017-08-30 00:49:22
阅读次数：
95
石头剪刀布三种生物(?) 随机战斗，最后三方各自只有自己方存活下来的概率是多少。 局面的转移明显，注意任选两方决定战斗时有可能出现选了同个种类的，因此注意排除掉同种的组合，也就是条件概率什么的。 ...
分类：
其他好文 时间：
2017-08-29 20:36:19
阅读次数：
160
题目链接： https://vjudge.net/problem/UVA-11181 题目描述： 有n个人， 已知每个人买东西的概率， 现在n个人中一共有r个人买了东西， 问每个人实际买东西的概率是多少 解题思路： 一开始我设Xi为第i个人实际买东西的概率， X1 + X2 + ...... + X ...
分类：
其他好文 时间：
2017-08-23 14:51:26
阅读次数：
152
理解贝叶斯公式： 其中 为完备事件组，即 Think Bayes - 我所理解的贝叶斯定理 解决的问题：由A的先验概率、B的后验概率（也叫条件概率）求A的后验概率。 如果 A 和 B 是相互独立的两个事件，那么： 上面的推导过程反过来证明了如果 A 和 B 是相互独立的事件，那么事件 A 发生的概率 ...
分类：
其他好文 时间：
2017-08-18 13:35:31
阅读次数：
114
贝叶斯定理： 其中： 表示事件B已经发生的前提下，事件A发生的概率，叫做事件B发生下事件A的条件概率。其基本求解公式为：。 ...
分类：
其他好文 时间：
2017-08-07 18:26:38
阅读次数：
103
题意：有n个人，已知每个人买东西的概率，求在已知r个人买了东西的条件下每个人买东西的概率。 分析：二进制枚举个数为r的子集，按定义求即可。 ...
分类：
其他好文 时间：
2017-07-26 22:02:13
阅读次数：
135
朴素贝叶斯分类算法 1、朴素贝叶斯分类算法原理 1.1、概述 贝叶斯分类算法是一大类分类算法的总称 贝叶斯分类算法以样本可能属于某类的概率来作为分类依据 朴素贝叶斯分类算法是贝叶斯分类算法中最简单的一种 注：朴素的意思是条件概率独立性 P(A|x1x2x3x4)=p(A|x1)*p(A|x2)p(A ...
分类：
编程语言 时间：
2017-07-12 23:20:18
阅读次数：
251
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
