4.1 基于贝叶斯决策理论的分类方法 朴素贝叶斯 优点：在数据较少的情况下仍然有效，可以处理多类别问题 缺点：对于输入数据的准备方式较为敏感 适用数据类型：标称型数据 贝叶斯决策理论的核心思想：选择具有最高概率的决策。 4.2 条件概率 4.3 使用条件概率来分类 4.4 使用朴素贝叶斯进行文档分类
分类：
其他好文 时间：
2016-02-06 18:27:09
阅读次数：
323
有些概率公式常常会一段时间内要用到，但是有经常忘记，这里备注一下 1、乘法法则 \(p\left ( x,y \right )=p\left ( x|y \right )p\left ( y \right )=p\left ( y|x \right )p\left ( x \right ) \) 实
分类：
其他好文 时间：
2016-02-05 01:20:35
阅读次数：
656
一、随机变量的数字特征 1. 数学期望 刻画随机变量取值的平均数，若X,Y相互独立，则E(XY)=E(X)E(Y) 2. 方差 刻画随机变量取值的离散程度 定义方差：D(x) = E{[X-E(X)]^2}标准差：sigma(x) = sqrt(D(x)) 常用计算公式D(X)=E(X^2)-[E(
分类：
其他好文 时间：
2016-02-01 18:27:56
阅读次数：
189
4.7 示例：使用朴素贝叶斯分类器从个人广告中获取区域倾向 前面介绍了两个应用：1.过滤网站的恶意留言；2.过滤垃圾邮件。 4.7.1 收集数据：导入RSS源 Universal Feed Parser是Python中最常用的RSS程序库。 在Python提示符下输入： 构建类似于spamTest(
分类：
其他好文 时间：
2016-02-01 01:40:51
阅读次数：
404
在概率论中所说的事件(event)相当于集合论中的集合(set)。 互补事件的概率 如果一个不出现，则另一个肯定出现的两个事件成为互补事件(complementary events，或者互余事件或对立事件).按照集合的记号，如果一个事件记为A，那么另一个记为的补集。P(A) + P(A) = 1 ,
分类：
其他好文 时间：
2016-01-30 13:41:36
阅读次数：
115
图像处理数学方法在图像处理的发展过程中，数学始终起着举足轻重的作用，并渗透在图像处理的所有分支之中。到上世纪六七十年代为止，以Fourier分析为代表的线性处理方法占据了几乎整 个数字图像处理领域。在此期间，借助于随机过程理论，人们建立了图像模型通过概率论以及在此基础上建立的信息论建立了图像编码的框...
分类：
其他好文 时间：
2016-01-24 15:40:09
阅读次数：
249
目录：略前言：本书的写作目的是介绍“概率机器人学”这个崭新的研究领域。概率机器人学是与智能和控制相关的机器人学的一个分支领域。其特征是利用概率与统计的方式进行记录信息与行动决策。针对在使用机器人学技术中不可回避的“不确定性”问题，我们认为机器人学必须以此方法为目标。采用概率论方法的算法设计在近年来已...
分类：
其他好文 时间：
2016-01-20 01:09:12
阅读次数：
503
共轭是贝叶斯理论中的一个概念，一般共轭要说是一个先验分布与似然函数共轭；那么就从贝叶斯理论中的先验概率，后验概率以及似然函数说起：在概率论中有一个条件概率公式，有两个变量第一个是A,第二个是B ,A先发生，B后发生，B的发生与否是与A有关系的，那么我们要想根据B的发生情况来计算 A发生的概率就是所谓...
分类：
其他好文 时间：
2016-01-19 23:22:27
阅读次数：
318
4.5 使用Python进行文本分类4.5.1 准备数据：从文本中构建词向量#coding:utf-8from numpy import *#准备数据：从文本中构建词向量def loadDataSet(): postingList = [['my', 'dog', 'has', 'flea',...
分类：
其他好文 时间：
2016-01-19 00:09:13
阅读次数：
226
版权声明： 本文由LeftNotEasy所有，发布于http://leftnoteasy.cnblogs.com。如果转载，请注明出处，在未经作者同意下将本文用于商业用途，将追究其法律责任。前言: 上次写过一篇关于贝叶斯概率论的数学，最近时间比较紧，coding的任务比较重，不过还是抽空看了一些机器...
分类：
其他好文 时间：
2016-01-03 19:37:27
阅读次数：
175
