朴素贝叶斯法，就是使用贝叶斯公式的学习方法，朴素就是它假设输入变量（向量）的各个分量之间是相互独立的。所以对于分量之间不独立的分布，如果使用它学习和预测效果就不会很好。 简化策略 它是目标是通过训练数据集学习联合概率分布$P(X, Y)$用来预测。书上说，具体是先学习到先验概率分布以及条件概率分布， ...
分类：
其他好文 时间：
2020-01-25 15:31:35
阅读次数：
163
今天这篇文章和大家聊聊朴素贝叶斯模型，这是机器学习领域非常经典的模型之一，而且非常简单，适合初学者入门。 朴素贝叶斯模型，顾名思义和贝叶斯定理肯定高度相关。之前我们在三扇门游戏的文章当中介绍过贝叶斯定理，我们先来简单回顾一下贝叶斯公式： $$P(A|B)=\frac{P(A)P(B|A)}{P(B) ...
分类：
其他好文 时间：
2020-01-15 09:40:27
阅读次数：
76
机器学习基础 [toc] 1. 概率和统计 概率（probabilty）和统计（statistics）看似两个相近的概念，其实研究的问题刚好相反。 顾名思义： 概率研究的问题是，已知一个模型和参数，怎么去预测这个模型产生的结果的特性（例如均值，方差，协方差等等）。 统计研究的问题则相反。统计是，有一 ...
分类：
其他好文 时间：
2020-01-09 00:55:49
阅读次数：
134
目录： 隐马尔可夫模型 Viterbi算法（必须掌握） 简述：普通领域不常用，自然语言与金融领域用的比较多，总共涉及到概率问题，求参数问题，取范围问题。 用到的知识点有全概率公式，条件概率公式，边缘概率公式，贝叶斯公式，极大似然估计 概率计算问题 直接计算法 暴力算法 前向算法 后向算法 后向算法不 ...
分类：
其他好文 时间：
2020-01-06 23:11:21
阅读次数：
119
标签： 机器学习 1. 贝叶斯公式是机器学习中常用的计算方法，例如，甲射中靶标的概率是0.4，乙射中靶标的概率是0.8，现在有个人中靶了，问问是甲射中的概率。这非常好计算，P=0.4/(0.8+0.4)=0.33，这是贝叶斯公式的基本应用，具体的贝叶斯公式如下： 2. 《机器学习实战》中的贝叶斯实现 ...
分类：
其他好文 时间：
2019-10-27 15:05:13
阅读次数：
116
Abstract： 本文提出一种用于大规模的长期回环检测，基于一种内存管理方法：限制用于回环检测的位置数目，以满足实时性要求。 introduction： 大场景存在的最关键问题：随着场景增大，回环检测处理的数据量增大，可能会产生延时。该论文的研究重心在于设计一种在线的基于外观回环检测方法。为了限制 ...
分类：
移动开发 时间：
2019-10-22 22:20:53
阅读次数：
118
[TOC]更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.cnblogs.com/nickchen121/# 朴素贝叶斯朴素贝叶斯是基于贝叶斯公式与特征条件独立假设的分类方法(注：贝叶斯公式是数学定义，朴素贝叶斯是机器学习... ...
分类：
其他好文 时间：
2019-10-16 17:39:34
阅读次数：
76
假设对于某个数据集，随机变量C表示样本为C类的概率，F1表示测试样本某特征出现的概率，套用基本贝叶斯公式，则如下所示：上式表示对于某个样本，特征F1出现时，该样本被分为C类的条件概率。那么如何用上式来对测试样本分类呢？举例来说，有个测试样本，其特征F1出现了（F1=1），那么就计算P(C=0|F1=... ...
分类：
编程语言 时间：
2019-10-09 19:28:33
阅读次数：
132
假设对于某个数据集，随机变量C表示样本为C类的概率，F1表示测试样本某特征出现的概率，套用基本贝叶斯公式，则如下所示：上式表示对于某个样本，特征F1出现时，该样本被分为C类的条件概率。那么如何用上式来对测试样本分类呢？举例来说，有个测试样本，其特征F1出现了（F1=1），那么就计算P(C=0|F1=... ...
分类：
编程语言 时间：
2019-10-09 15:31:42
阅读次数：
84
随机事件和概率 基础概念 ? 随机试验 ? 样本点和样本空间 ? 随机事件 随机事件的概率 ? 例子 条件概率 ? 定义 ? 例子 事件的独立性 ? 定义 ? 例子 全概率公式和贝叶斯公式 全概率公式 贝叶斯公式 实例 随机变量, 期望和方差 随机变量 ? 定义 ? 例子 概率分布 ? 定义 ? 性 ...
分类：
其他好文 时间：
2019-10-03 19:50:34
阅读次数：
89
