CPD是conditional probability distribution的缩写，翻译成中文叫做 条件概率分布。在概率图中，条件概率分布是一个非常重要的概念。因为概率图研究的是随机变量之间的练习，练习就是条件，条件就要求条件概率。 对于简单的条件概率而言，我们可以用一个条件概率表来表达。如图1 ...
分类：
其他好文 时间：
2020-06-04 01:05:05
阅读次数：
74
概率图模型（PGM）是一种对现实情况进行描述的模型。其核心是条件概率，本质上是利用先验知识，确立一个随机变量之间的关联约束关系，最终达成方便求取条件概率的目的。 1.从现象出发 这个世界都是随机变量 这个世界都是随机变量。 第一，世界是未知的，是有多种可能性的。 第二，世界上一切都是相互联系的。 第 ...
分类：
其他好文 时间：
2020-06-04 00:54:47
阅读次数：
133
一、概率基础 概率定义：概率定义为一件事情发生的可能性，例如，随机抛硬币，正面朝上的概率。 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) 。 条件概率：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) 。P(A1,A2|B) = P(A1|B)P ...
分类：
编程语言 时间：
2020-05-20 12:00:22
阅读次数：
73
朴素贝叶斯 概述 贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。本章首先介绍贝叶斯分类算法的基础——贝叶斯定理。最后，我们通过实例来讨论贝叶斯分类的中最简单的一种: 朴素贝叶斯分类。 贝叶斯理论 & 条件概率 贝叶斯理论 我们现在有一个数据集，它由两类数据组成，数 ...
分类：
其他好文 时间：
2020-05-14 15:04:29
阅读次数：
61
本节内容主要可分为 什么是概率 古典概率计算 事件的关系与运算 条件概率与独立性 全概率公式和贝叶斯公式 概率论是一门数学分支，同数学科目的其他分支一样，是建立在一些公理上的严格的数学体系，其研究的主要对象是随机变量、随机分布和随机过程。对于随机事件是不可能准确预测其结果的，但是我们可以描述其规律， ...
分类：
其他好文 时间：
2020-05-05 00:58:43
阅读次数：
176
1.简介 统计学习方法都是由模型、策略和算法构成的 2.模型 在监督学习过程中，模型就是所要学习的条件概率分布或决策函数。 模型的假设空间包含所有可能的条件概率分布或决策函数。 2.1 决策函数模型 2.2 条件概率 决策函数表示的模型为非概率模型，由条件概率表示的模型为概率模型 3 学习策略 考虑 ...
分类：
其他好文 时间：
2020-04-30 21:22:12
阅读次数：
93
1 简介 决策树模型是树形结构，在分类问题中，表示基于特征对实例进行分类的过程。它可以认为是if-then规则的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。其主要优点是模型具有可读性，分类速度快。学习时，利用训练数据，根据损失函数最小化的原则建立决策树模型。预测时，对新的数据，利用决策 ...
分类：
其他好文 时间：
2020-04-28 13:04:22
阅读次数：
158
条件概率 是指事件A在另外一个事件B已经发生条件下的发生概率。条件概率表示为：P（A|B），读作“在B的条件下A的概率”。条件概率可以用决策树进行计算。条件概率的谬论是假设 P(A|B) 大致等于 P(B|A)。条件概率是指事件A在另外一个事件B已经发生条件下的发生概率。条件概率表示为：P（A|B） ...
分类：
其他好文 时间：
2020-04-28 09:17:04
阅读次数：
88
先验概率：根据以往经验分析得到的概率，通俗就是根据统计和规律得出得概率。 后验概率：就是根据结果推原因，比如知道一个产品是次品求它来自A车间的概率，通过贝叶斯公式可以得到。 $$ P(A|B) = P(A) \times \frac{P(B|A)}{P(B)} $$ 其中$P(A|B)$叫做后验概率 ...
分类：
其他好文 时间：
2020-04-19 17:32:56
阅读次数：
122
一.背景 1.概率：在多元下，（1）联合概率：两个事件同时发生的概率P(A,B) ，（2）条件概率：在某一事件A条件下，另一事件B发生的概率P(B|A)，（3）边缘概率：某一事件发生的概率P(A); 2.独立事件：两个没有任何关系的事件互为独立事件，此时两个事件的联合概率为两者概率相乘P(A,B)= ...
分类：
其他好文 时间：
2020-04-18 21:22:48
阅读次数：
116
