1.贝叶斯公式 条件概率 p(B|A)=p(AB)p(A) 则 p(AB)=p(A)p(B|A) 全概率公式 p(A)=p(B1)p(A|B1)+p(B2)p(A|B2)+...+p(Bn)p(A|Bn) 贝叶斯公式 p(Bi|A)=p(ABi)p(A)=p(A|Bi)p(Bi)Σj=0np(A|B ...
分类：
其他好文 时间：
2019-04-18 10:54:25
阅读次数：
209
贝叶斯公式52张牌猜黑桃A策略 考虑有208平行世界，其中有4个世界（1/52）的黑桃A方在第一张牌的位置，余下204个世界中，有4个世界的黑桃A在第2张牌的位置，4个世界在第3张牌的位置..... 而在这208个世界中玩家都采用猜第x张牌（x>1)的策略即任意一种第一次不猜的策略， 比方x=6即每 ...
分类：
其他好文 时间：
2019-03-31 09:32:48
阅读次数：
206
生成模型（Generative）和判别模型（Discriminative） 生成模型（Generative）和判别模型（Discriminative） 引言 最近看文章《A survey of appearance models in visual object tracking》（XiLi，ACM ...
分类：
其他好文 时间：
2019-02-21 10:55:52
阅读次数：
200
一、啥是贝叶斯公式 1、公式定义： 贝叶斯公式是由英国数学家贝叶斯发展，用来描述两个条件概率之间的关系，比如P(A|B)和P(B|A)。 按照乘法法则，可以立刻导出：P(A∩B) = P(A)*P(B|A)=P(B)*P(A|B)。如上公式也可变形为：P(B|A) = P(A|B)*P(B) / P ...
分类：
其他好文 时间：
2019-01-22 19:12:26
阅读次数：
180
问题 如果我们看到用户输入一个不在字典中的词，我们需要推测他实际想要输入的词 使用贝叶斯公式表示： p(实际想要输入词|用户输入) = p(实际想要输入词) * p(用户输入|实际想要输入词) / p(用户输入) p(实际输入词) 表示的是这个词在语料库中出现的词频 p（用户输入|实际想要输入） 实 ...
分类：
其他好文 时间：
2019-01-18 19:56:35
阅读次数：
424
判别式模型和生成式模型主要区别是他们的构造方法不一样 判别式模型概念：直接基于条件概率来构造P(y|x)，不需要求联合概率，属于此类型的算法有逻辑回归、决策树、KMM、K_meas 生成式模型概念：基于贝叶斯公式来构造的，典型的生成式模型有贝叶斯 ...
分类：
其他好文 时间：
2019-01-04 22:34:56
阅读次数：
173
P(A∩B)和P(A|B)有什么区别？ 这个问题困惑了我这么多年，是最近半年才发现的。前者注意，基数是全部样本数量，后者是B P(A∩B) = AB同时满足的个数/ Num(total) P(A | B) =AB同时满足的个数/ Num(B) 二者分子是一样的，区别在于分母。 贝叶斯是什么思想？ P... ...
分类：
其他好文 时间：
2019-01-01 18:50:23
阅读次数：
202
原 极大似然估计详解 2017年05月28日 00:55:10 知行流浪 阅读数：124758 所属专栏： 人工智能相关 2017年05月28日 00:55:10 知行流浪 阅读数：124758 所属专栏： 人工智能相关 所属专栏： 人工智能相关 版权声明：本文为博主原创文章https://极大似然 ...
分类：
其他好文 时间：
2018-12-23 15:18:04
阅读次数：
152
知识储备 相互熵 信息增益（互信息） 条件概率： 全概率公式： 贝叶斯公式： 思考问题： 给定一个样本D，计算样本A1, A2, ...An发生的概率哪一个可能是会是最正确的呢？又怎样通过贝叶斯来解决这个问题？ 通过贝叶斯公式 选择n个样本中概率最大的那个作为最后的结论。p(D)是常数，假定p(Ai ...
分类：
其他好文 时间：
2018-12-22 19:39:46
阅读次数：
224
数据集参考自https://blog.csdn.net/c406495762/article/details/77341116 朴素贝叶斯：首先，何为朴素？朴素要求的是条件特征之间相互独立。我们都知道大名鼎鼎的贝叶斯公式，其实朴素贝叶斯的思想很简单。就是通过计算属于某一类别的后验概率，然后比较大小， ...
分类：
其他好文 时间：
2018-12-19 22:37:16
阅读次数：
227
