决策树意义: 分类决策树模型是表示基于特征对实例进行分类的树形结构.决策树可以转换为一个if_then规则的集合,也可以看作是定义在特征空间划分上的类的条件概率分布. 它着眼于从一组无次序、无规则的样本数据(概念)中推理出决策树表示形式的分类规则.假设这里的样本数据应该能够用“属性—结论”.决策树学 ...
分类:
其他好文 时间:
2016-10-10 23:27:32
阅读次数:
408
一、古典概率,几何概率,统计概率相同性质。 二、概率论三公理 三、条件概率 四、乘法定理及推广 五、全概率公式 六、贝叶斯公式 七、独立事件的推论 另注意独立事件和事件互不相容的区分。 八、二项概率公式 九、 泊松逼近 证明: ...
分类:
其他好文 时间:
2016-10-09 06:58:24
阅读次数:
257
朴素贝叶斯分类 朴素贝叶斯是基于贝叶斯定理与特征条件独立假设的分类方法。实现简单、学习和预测的效率都很高,是一种常用的分类方法。贝叶斯分类器是一个统计分类器。它们能够预测类别所属的概率。接下来将介绍贝叶斯定理和特征条件独立假设。 准备知识 条件概率:若Ω是全集,A、B是其中的事件(子集),P表示事件 ...
分类:
其他好文 时间:
2016-09-14 12:34:23
阅读次数:
169
Hello,我就是人见人爱,花见花开,蜜蜂见了会打转的小花。。哈哈,我们终于讲到了当年大学让我头痛不已的贝叶斯。先给个模型: 一:贝叶斯定理 维基百科定义:贝叶斯定理(英语:Bayes' theorem)是概率论中的一个定理,它跟随机变量的条件概率以及边缘概率分布有关。在有些关于概率的解说中,贝叶斯 ...
分类:
编程语言 时间:
2016-09-13 11:32:29
阅读次数:
210
条件熵的形式如下: (8.8) 这个形式与熵的定义形式,咋一看是冲突的,因为不是p(x|y),而是p(x,y) 但是,这个式子是没有问题的,请看下图 上面得到的计算公式是针对y为一个特殊值y时求得的熵。 也就是说,对条件概率p(x|y)求西格玛x, 西格玛y的时候,首先是固定y,对西格玛X求和 这也 ...
分类:
其他好文 时间:
2016-09-04 17:11:24
阅读次数:
131
PLSA隐变量主题模型,公式推导网上也好,还是书上也好,都属于从略。 但是无论对于新手来说,还是老手,从略是不合适的,这不是一个科学对待的态度。机器学习就这么几个模型,从略是不是也对不起自己了 好了,闲话少说: 这是第一步,都是使用的条件概率公式,当然,分母p(di,wj)的分解,使用的是CK方程, ...
分类:
其他好文 时间:
2016-09-04 17:10:17
阅读次数:
179
EX1: 乔伊80%肯定他把失踪的钥匙放在了他外套两个口袋中的一个。他40%确定放在左口袋,40%确定放在右口袋。如果检查了左口袋发现没有找到钥匙,那么钥匙在右口袋的条件概率是多少? 分析:很基本的条件概率的题目,解决的关键就是找到哪个事件是我们要求解的事件的条件事件。 解决条件概率问题不一定必须套 ...
分类:
其他好文 时间:
2016-09-03 08:34:08
阅读次数:
196
一 条件概率问题 (1)设备总共甲乙2类,数量比例为3/4,每天通过甲设备访问网站的概率为0.012%,通过乙设备访问网站的概率为0.008%, 某天网站被访问,请问是通过甲设备访问的概率是多少? (2)扑克牌6张背面朝上放在桌上,其中有3张有效牌,3张无效牌。在不知有多少张有效牌的情况下,A随机抽 ...
分类:
其他好文 时间:
2016-09-02 20:16:15
阅读次数:
148
产生式模型(Generative Model)与判别式模型(Discrimitive Model)是分类器常遇到的概念,它们的区别在于: 对于输入x,类别标签y:产生式模型估计它们的联合概率分布P(x,y)判别式模型估计条件概率分布P(y|x)产生式模型可以根据贝叶斯公式得到判别式模型,但反过来不行 ...
分类:
其他好文 时间:
2016-09-01 12:30:26
阅读次数:
124
CRF 的预测问题是给定模型参数和输入序列(观测序列)x, 求条件概率最大的输出序列(标记序列)$y^*$,即对观测序列进行标注。条件随机场的预测算法同 HMM 还是维特比算法,根据 CRF模型可得: \begin{aligned}y^* &= \arg \max_yP_w(y|x) \\&= \a... ...
分类:
编程语言 时间:
2016-08-31 18:47:59
阅读次数:
191