如果 S 表示一连串特定顺序排列的词 w1, w2,…, wn ,换句话说,S 可以表示某一个由一连串特定顺序排练的词而组成的一个有意义的句子。现在,机器对语言的识别从某种角度来说,就是想知道 S 在文本中出现的可能性,也就是数学上所说的 S 的概率用 P(S) 来表示。利用条件概率的公式,S 这个...
分类:
其他好文 时间:
2014-11-08 17:58:22
阅读次数:
172
1.概念和机制 朴素贝叶斯分类法假定类条件独立。当假定成立时,与其他所有分类器相比,朴素贝叶斯分类器是最准确的。然而,在实践中,变量之间可能存在依赖关系。贝叶斯信念网络说明联合条件概率分布。它允许在变量的子集间定义类条件独立性。它提供一种因果关系的图形模型,可以在其上进行学习。训练后的贝叶斯信念网....
分类:
其他好文 时间:
2014-11-07 18:36:30
阅读次数:
283
简单的条件概率题,直接再来一枪没子弹的概率是所有子串”00“的数目除以‘0’的数目,随机转一下再打没子弹的概率是‘0’的数目除以总数目。#include#include#include#include#include#include#include#include#include#include#i...
分类:
其他好文 时间:
2014-11-01 21:39:00
阅读次数:
156
一、引言 本材料参考Andrew Ng大神的机器学习课程http://cs229.stanford.edu 在上一篇有监督学习回归模型中,我们利用训练集直接对条件概率p(y|x;θ)建模,例如logistic回归就利用hθ(x) = g(θTx)对p(y|x;θ)建模(其中g(z)是sigmoi.....
分类:
其他好文 时间:
2014-11-01 17:46:57
阅读次数:
202
机器学习算法原理、实现与实践——机器学习的三要素1 模型在监督学习中,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。例如,假设决策函数是输入变量的线性函数,那么模型的假设空间就是这些线性函数构成的函数的集合。假设空间用$\mathcal{F}$表示。假...
分类:
其他好文 时间:
2014-10-31 09:57:04
阅读次数:
4030
数学基础(2节课)微积分极限,e,导数,微分,积分偏导数,方向导数,梯度极值,多元函数极值,多元函数泰勒展开无约束优化,约束优化拉格朗日乘子,对偶问题线性代数矩阵,行列式,初等变换线性相关,线性无关秩,特征值,特征向量正交向量、正交矩阵矩阵分解概率随机变量,概率密度函数,分布函数条件概率,全概率公式...
分类:
其他好文 时间:
2014-10-30 10:16:09
阅读次数:
185
全概率公式:已知过程求结果。如果{Bn:n= 1, 2, 3, ... } 是一个概率空间的有限或者可数无限的切割(既Bn为宜完备事件组),且每一个集合Bn是一个可測集合,则对随意事件A有全概率公式:又由于此处Pr(A|B)是B发生后A的条件概率,所以全概率公式又可写作:贝叶斯公式:已知结果求过程。...
分类:
其他好文 时间:
2014-10-25 21:20:19
阅读次数:
317
基础知识描述:联合概率:定义:指在多元的概率分布中多个随机变量同时满足各自条件的概率。举例:假设X和Y都服从正态分布,那么P{X P(A|B) = P(B|A) * P(A) / P(B)故:贝叶斯法则是关于随机事件A和B的条件概率和边缘概率的。P(A|B) = P(B|A) * P(A) / P(...
分类:
其他好文 时间:
2014-10-24 18:35:48
阅读次数:
127
N-gramu基础概念-------------------------------------------------条件概率的基本定理:设A,B 是两个事件,且A不是不可能事件,则称为在事件A发生的条件下,事件B发生的条件概率-----------------------------------...
分类:
其他好文 时间:
2014-10-23 20:39:54
阅读次数:
202
1、多项式分布 2、文本的多项式分布建模3、共轭先验4、概率平滑{Lapace平滑、加1平滑、Dirichlet贝叶斯平滑、2阶段语言模型}5、似然函数6、log似然函数7、期望最大化算法8、条件概率9、贝叶斯全公式10、生成模型11、判别模型12、条件期望13、拉格朗日系数14、VSM,LSI,P...
分类:
其他好文 时间:
2014-10-19 21:18:18
阅读次数:
198