系统切换模型，尤其是马尔可夫切换（MS）模型，被认为是捕获时间序列非线性的有前景的方法。将MS模型的元素与完全自回归移动平均 - 广义自回归条件异方差（ARMA - GARCH）模型相结合，给参数估计器的计算带来了严重的困难。 我们制定了完整的MS- ARMA - GARCH模型及其贝叶斯估计。这有 ...
分类：
其他好文 时间：
2018-08-01 20:39:42
阅读次数：
161
在本文中，我们通过一个名为WinBUGS的免费贝叶斯软件，可以很容易地完成基于似然的多变量随机波动率（SV）模型的估计和比较。通过拟合每周汇率的双变量时间序列数据，九个多变量SV模型，包括波动率中的格兰杰因果关系，时变相关性，重尾误差分布，加性因子结构和乘法因子结构的说明来说明想法。 单变量随机波动 ...
一、基本模型 朴素贝叶斯分类模型的基本思想就是贝叶斯公式，对以特征为条件的各类别的后验概率。 贝叶斯公式如下： 对标朴素贝叶斯分类模型的公式如下： 分子中的第二项为每个类别的概率（实际运算即频率），如下： 第一项为每个类别内部（即以类别为条件）特征的联合概率，如下： 但随着特征的每个维度取值增加，模 ...
分类：
其他好文 时间：
2018-04-12 00:16:55
阅读次数：
194
《统计学习方法》李航 读书笔记 习题 1.1 伯努利模型下的极大似然估计与贝叶斯估计。 答： 伯努利模型：总体信息、样本信息 $$ P(A|\theta) = \sum_{i=1}^{N}\frac{I(O_i = 1)}{N} \quad ^{[1]} $$ 贝叶斯估计：总体信息、样本信息、先验信 ...
分类：
其他好文 时间：
2018-04-08 10:50:34
阅读次数：
448
1 朴素贝叶斯法的学习与分类1.1 基本原理2 参数估计2.1 极大似然估计2.2 算法2.3 贝叶斯估计 1 朴素贝叶斯法的学习与分类 Naive Bayes是基于贝叶斯定理和特征条件独立的假设的分类方法。对于给定的训练数据，首先基于特征条件独立学习输入和输出的联合概率分布，然后基于此模型，对给定 ...
分类：
其他好文 时间：
2018-03-02 22:12:08
阅读次数：
186
参数估计：最大似然、贝叶斯与最大后验 为什么会有参数估计呢？这要源于我们对所研究问题的简化和假设。我们在看待一个问题的时候，经常会使用一些我们所熟知的经典的模型去简化问题，就像我们看一个房子，我们想到是不是可以把它看成是方形一样。如果我们已经知道这个房子是三间平房，那么大体上我们就可以用长方体去描述 ...
分类：
其他好文 时间：
2018-01-16 00:49:56
阅读次数：
164
前言贝叶斯决策可能在相关机器学习或数据挖掘或专家系统中有着广泛的应用，故其地位也相当重要；比如在垃圾邮件的过滤、钓鱼邮件的判定、垃圾（钓鱼）短信过滤等场合的应用就相当多（因为笔者较多地从事这些工作），或者可以说上述这些应用其实其主要方法就是使用了贝叶斯方法..
分类：
其他好文 时间：
2017-10-24 16:03:50
阅读次数：
195
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
Naive Bayes: 简单有效的常用分类算法,典型用途：垃圾邮件分类 假设：给定目标值时属性之间相互条件独立 同样，先验概率的贝叶斯估计是 优点： 1、 无监督学习的一种，实现简单，没有迭代，学习效率高，在大样本量下会有较好的表现. 2、 对分类器的学习情况有着比较简单的解释，可以简单的通过查询 ...
分类：
其他好文 时间：
2016-10-10 20:09:09
阅读次数：
181
