import tensorflow as tf # 1. sparse_softmax_cross_entropy_with_logits样例。 # 假设词汇表的大小为3， 语料包含两个单词"2 0" word_labels = tf.constant([2, 0]) # 假设模型对两个单词预测时，... ...
分类：
编程语言 时间：
2019-12-19 16:16:25
阅读次数：
116
统计学习方法与Python实现（三）——朴素贝叶斯法 iwehdio的博客园：https://www.cnblogs.com/iwehdio/ 1、定义 朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。 对于给定的训练数据集，首先基于特征条件独立假设学习输入输出的联合概率分布。然后基于此模 ...
分类：
编程语言 时间：
2019-12-15 18:53:20
阅读次数：
119
1.3 公式理解 1.概率分布 2.幂次的意义 3.log（对数） 对数的定义 如果 ，即a的x次方等于N（a>0，且a≠1），那么数x叫做以a为底N的对数（logarithm），记作 。其中，a叫做对数的底数，N叫做真数，x叫做“以a为底N的对数”。 1、特别地，我们称以10为底的对数叫做常用对数 ...
分类：
其他好文 时间：
2019-12-13 09:27:34
阅读次数：
97
朴素贝叶斯法 朴素贝叶斯(naive bayes) 法是基于贝叶斯定理和特征条件独立假设的分类方法。对于给定的训练数据集，首先基于特征条件独立假设学习输入输出的联合概率分布，然后基于此分布，对给定的输入$x$利用贝叶斯定理求其后验概率最大的输出。 一、朴素贝叶斯法的学习 1.1 基本方法 设输入空间 ...
分类：
其他好文 时间：
2019-12-07 19:46:29
阅读次数：
135
二项分布式 import numpy as np import matplotlib.pyplot as plt list = np.random.binomial(n=10, p=0.5,size = 10000) plt.hist(list, bins = 8,color = 'g', alph ...
分类：
其他好文 时间：
2019-12-01 20:55:12
阅读次数：
96
文本自然语言处理的一个最最最基本的一个问题：如何用数学符号或公式表示一段文本？如何计算一段文本在某种语言下出现的概率？ 语言模型(用概率论的专业术语表示)：为长度为m的字符串确定其概率分布P(w1，w2，...wm)，其中w1到wm依次表示文本中的各个词语。概率值计算公式如下， 但是有个问题发现没有 ...
分类：
编程语言 时间：
2019-12-01 11:29:27
阅读次数：
104
理论分布：指总体所服从的分布，可以有个解析表达式，该表达式，一般是具有特定参数的概率分布函数。 经验分布：是指实际的样本服从分布，观测到的样本数据的，相对频率称为经验分布。 抽样分布：是指样本统计量样本均值样本的方差样本的标准差，所以服从的分布。 置信区间：只样本统计量所构造的总体参数的估计区间。 ...
分类：
其他好文 时间：
2019-11-28 22:50:17
阅读次数：
81
经验分布:是指实际的样本服从分布，观测到的样本数据的相对频率分布称为经验分布。 抽样分布:指样本统计量（样本均值，样本的方差，样本的标准差）所服从的分布。 置信区间:指样本统计量所构造的总体参数的估计区间， 理论分布:指总体所服从的分布，可以有一个解析表达式，该表达式一般是具有特定参数的概率分布函数 ...
分类：
其他好文 时间：
2019-11-28 21:34:28
阅读次数：
82
知道一堆词汇里各个字出现的概率pi，则对这些字的最优编码下各字的位长（也即每个字包含的信息）为： 香农公式：，知道各字的位长后，可依次给他们编码0、10、110... 这些字的平均编码长度为（也即信息量，或称信息熵）： 信息熵： 总结：信息是不确定性的度量，不确定性体现在概率分布上：概率分布越散，不 ...
分类：
其他好文 时间：
2019-11-26 10:47:02
阅读次数：
81
提升方法与前向分步算法 提升方法 从弱学习算法出发，反复学习，得到一系列弱分类器，然后组合这些弱学习器，提升为强学习器 两个问题： 在每一轮如何改变训练数据的权值或概率分布 如何将弱学习器组合成一个强学习器 前向分步算法 AdaBoost另一种解释： 加法模型 损失函数为指数函数 学习算法为前向分步 ...
分类：
其他好文 时间：
2019-11-24 17:26:48
阅读次数：
80
