马尔科夫随机场(Markov Random Fields, MRFs) MRFs与Gibbs分布等价。 条件随机场(Conditional Random Fields, CRFs): CRFs的训练方法:迭代梯度法(Iterative Scaling)和L-BFGS 迭代梯度法包括:GIS(Gene ...
分类:
其他好文 时间:
2016-12-08 20:42:39
阅读次数:
252
参数估计:主要有EM算法和Gibbs采样 EM算法: Gibbs采样: ...
分类:
其他好文 时间:
2016-12-08 20:36:18
阅读次数:
176
分为有向概率图模型(Directed Probabilistic Graphical Model),无向概率图模型(Undirected Probabilistic Graphical Model),混合概率图模型(Mixed Probabilistic Graphical Model)。 有向概率 ...
分类:
其他好文 时间:
2016-12-08 17:53:40
阅读次数:
315
3-3 证明:I(X ; Y) = H(X) - H(X | Y)。证明如下: 3-9 没有冗余度的信源还能不能压缩?为什么? 答:没有冗余度的信源,不能进行压缩,如果要进行压缩,那么信源就会失真,不能回到原来的状态。 3-12 等概率分布的信源还能不能压缩?为什么?你能举例说明吗? 答:等概率分布 ...
分类:
其他好文 时间:
2016-11-22 22:42:31
阅读次数:
207
概率图模型 一、马尔科夫链特性 在已知系统当前状态的条件下,他未来的演变不依赖于过去的演变。第T+1次的结果只受第T次结果的影响,即只与当前状态有关,而与系统的初始状态和此次转移前的所有状态无关。(无后效性) 马尔科夫的一步转移概率可以定义为: Pij(n) = P{Xn+1=j|Xn=i} 一步转 ...
分类:
其他好文 时间:
2016-11-16 09:30:06
阅读次数:
348
在概率模型中,利用已知变量推测未知变量的分布称为“推断”,其核心是如何基于可观测变量推测出位置变量的条件分布。 概率图模型是一类用图来表达变量相关关系的概率模型。它以图为表示工具,最常见的使用一个结点表示一个或一组随机变量,结点之间的边表示变量间的概率相关关系,即“变量关系图”。根据边的性质不同,概... ...
分类:
其他好文 时间:
2016-10-10 11:27:55
阅读次数:
315
决策树的原理,一个图表就很清楚了,首先,还是要牢记,条件熵是一种最优路径,是概率图模型中,两个随机变量之间的最优条件路径。也就是所有路径熵的期望。 H(Y|X) = -sigmaP(X,Y)logP(Y|X) = -sigmaP(X=xi)P(Y|X=xi)logP(Y|X=xi)=-sigmaP( ...
分类:
其他好文 时间:
2016-09-04 17:16:43
阅读次数:
209
1、坐标点类 2、拟合类,带计算部分 3、html部分代码 4、最后实现的效果 ...
分类:
编程语言 时间:
2016-08-30 22:41:51
阅读次数:
243
贝叶斯与频率派思想
频率派思想
长久以来,人们对一件事情发生或不发生,只有固定的0和1,即要么发生,要么不发生,从来不会去考虑某件事情发生的概率有多大,不发生的概率又是多大。而且事情发生或不发生的概率虽然未知,但最起码是一个确定的值。
比如如果问那时的人们一个问题:“有一个袋子,里面装着若干个白球和黑球,请问从袋子中取得白球的概率是多少?”他们会立马告诉你,取出白球的概率就是...
分类:
其他好文 时间:
2016-05-23 13:27:37
阅读次数:
509