统计学习方法概论： （一），统计学习 1，统计学习的特点 2，统计学习的对象 3，统计学习的目的 4，统计学习的方法 （二），监督学习重要概念 1，输入空间，特征向量空间，输出空间 （三），统计学习三要素 1，模型 决策函数模型： 条件概率模型： 2，策略 2.1 损失函数： 2.2 经验风险最小化 ...
分类：
其他好文 时间：
2017-06-30 23:53:33
阅读次数：
216
概率统计欢迎关注我的博客：http://blog.csdn.NET/hit2015spring 条件概率设和是任意两个事件，且，则称为事件在事件发生的条件下发生的条件概率。记作：\begin{equation}P(A|B)=\frac{P(AB)}{P(B)}\end{equation}这里可以理解... ...
分类：
其他好文 时间：
2017-06-23 18:22:28
阅读次数：
239
1. 贝叶斯定理 条件概率公式： 这个公式非常简单，就是计算在B发生的情况下，A发生的概率。但是很多时候，我们很容易知道P(A|B)，需要计算的是P(B|A)，这时就要用到贝叶斯定理： 2. 朴素贝叶斯分类 朴素贝叶斯分类的推导过程就不详述了，其流程可以简单的用一张图来表示： 举个简单的例子来说，下 ...
分类：
编程语言 时间：
2017-06-23 15:49:51
阅读次数：
303
第1章 随机事件与概率§1.1 随机事件§1.2 随机事件的概率§1.3 古典概型与几何概型§1.4 条件概率§1.5 事件的独立性 第2章 随机变量的分布与数字特征§2.1 随机变量及其分布§2.2 随机变量的数字特征§2.3 常用的离散型分布§2.4 常用的连续型分布§2.5 随机变量函数的分布 ...
分类：
其他好文 时间：
2017-06-22 11:06:58
阅读次数：
99
贝叶斯定理 贝叶斯定理是通过对观测值概率分布的主观判断（即先验概率）进行修正的定理，在概率论中具有重要地位。 先验概率分布(边缘概率)是指基于主观判断而非样本分布的概率分布，后验概率(条件概率)是根据样本分布和未知参数的先验概率分布求得的条件概率分布。 贝叶斯公式： 变形得： 其中 P(A)是A的先 ...
分类：
编程语言 时间：
2017-06-05 23:50:45
阅读次数：
268
对于输入x,类别标签Y: 判别模型：由数据直接学习决策面Y=f(x)或条件概率P(Y|x)作为预测模型 生成模型：由数据学习联合概率分布P(x,Y)，然后求出条件概率P(Y|x)作为预测模型 模型区别： 判别模型寻找不同类别之间的分离面，反映不同类别之间的差异。 生成模型通过统计反映同类数据的相似度 ...
分类：
其他好文 时间：
2017-05-02 23:34:38
阅读次数：
175
原文链接 假设已知先验概率P(ωj)，也知道类条件概率密度p(x|ωj)，且j=1,2.那么，处于类别ωj，并具有特征值x的模式的联合概率密度可写成两种形式： p(ωj,x) = P(ωj|x)p(x) = p(x|ωj)P(ωj) 整理后得出贝叶斯公式（只有两种类型的情况下） 下面分别介绍一下后验 ...
分类：
其他好文 时间：
2017-04-26 15:58:14
阅读次数：
114
为了完成自己的毕业论文，不得不接触这个朴素贝叶斯分类算法。。。真是惭愧啊（快毕业了才学这个。。。还初识） 哈哈，不过只要肯学什么时候都不会晚 要想完全理解这个算法，必须先去百度一下 原来朴素贝叶斯分类算法是借用到了贝叶斯定理，那什么是贝叶斯定理呢...不多BB， 先看一看什么是条件概率：P(A|B) ...
分类：
编程语言 时间：
2017-04-22 18:53:52
阅读次数：
177
贝叶斯分类 原理 贝叶斯最基本的思想就是条件概率公式+条件独立假设。 它的思想有点类似于奥卡姆剃刀原理，举个例子，当前眼前走过一个黑人的时候，为你他是那里人，你第一眼想到的是他是个非洲人。因为非洲人普遍皮肤黑。 贝叶斯分类思想与此类似，当问你某个数据实例属于某个类别时候，会先去求各个类别下出现该数据 ...
分类：
其他好文 时间：
2017-04-21 22:41:37
阅读次数：
166
朴素贝叶斯分类所有贝叶斯分类都是基于贝叶斯定理，朴素贝叶斯分类是贝叶斯分类中运用广泛简单的一种，另外，它还基于特征条件独立假设。贝叶斯定理贝叶斯定理是计算条件概率的公式，条件概率即是事件B发生的前提下...
分类：
其他好文 时间：
2017-04-19 10:24:39
阅读次数：
164
