语言模型：是用来计算一个句子产生概率的概率模型，即P(w_1,w_2,w_3…w_m)，m表示词的总个数。根据贝叶斯公式：P(w_1,w_2,w_3 … w_m) = P(w_1)P(w_2|w_1)P(w_3|w_1,w_2) … P(w_m|w_1,w_2 … w_{m-1})。 N-Gram: ...
分类：
编程语言 时间：
2018-05-18 15:45:05
阅读次数：
225
目录 1.条件概率 2.独立性 3.全概率公式 4.贝叶斯公式 5.伯努利模型 6.随机变量的分布 7.分布函数 1.条件概率 2.独立性 3.全概率公式 4.贝叶斯公式 5.伯努利模型 6.随机变量的分布 离散： 连续： 两者关系： 7.分布函数 ...
分类：
其他好文 时间：
2018-05-04 11:58:04
阅读次数：
134
1. 微积分： 定积分与不定积分、全微分、最小二乘法、二重积分、微分方程与差分方程等... 2. 线性代数： 行列式、矩阵、向量、线性方程组、矩阵的特性和特性向量、二次型等... 3. 概率论和统计学： 期望、方差、协方差、条件概率的链式法则、全概率分布、贝叶斯公式等... ...
分类：
编程语言 时间：
2018-05-04 10:25:21
阅读次数：
250
初看此问题，觉得换不换都一样，概率都应该是1/3，但是细想，忽略了一个问题，那就是主持人的作用，无论如何，由于主持人知道情况，选手做出怎样的选择，主持人都会开一扇后面有羊的门，这就排除了一个·没有车的门，这个信息对于选手是有利的，选手应该利用这一信息，再有，我上学期学过概率论，有一个公式叫做“贝叶斯 ...
分类：
其他好文 时间：
2018-04-27 02:13:12
阅读次数：
157
事实上，介绍贝叶斯定理、贝叶斯方法、贝叶斯推断的资料、书籍不少，比如《数理统计学简史》，以及《统计决策论及贝叶斯分析 James O Berger著》等等，但初学者一上来就扔给他一堆英文论文，基本都是半途而废 ...
分类：
编程语言 时间：
2018-04-20 22:01:17
阅读次数：
248
一、基本模型 朴素贝叶斯分类模型的基本思想就是贝叶斯公式，对以特征为条件的各类别的后验概率。 贝叶斯公式如下： 对标朴素贝叶斯分类模型的公式如下： 分子中的第二项为每个类别的概率（实际运算即频率），如下： 第一项为每个类别内部（即以类别为条件）特征的联合概率，如下： 但随着特征的每个维度取值增加，模 ...
分类：
其他好文 时间：
2018-04-12 00:16:55
阅读次数：
194
条件概率 首先，理解这两个公式的前提是理解条件概率，因此先复习条件概率。 P(A|B)=P(AB)P(B)P(A|B)=P(AB)P(B) 理解这个可以从两个角度来看。 第一个角度：在B发生的基础上，A发生的概率。那么B发生这件事已经是个基础的条件了，现在进入B已经发生的世界，看看A发生的概率是多少 ...
分类：
其他好文 时间：
2018-04-10 13:27:01
阅读次数：
154
上课好不容易听懂了，赶紧整理一下，不然以我的记性估计明天就要忘干净了QWQ 题目 一个用户所有邮件分为两类：$A_1$代表垃圾邮件， $A_2$代表非垃圾邮件 根据经验，$P(A_1) = 0.7$， $P(A_2) = 0.3$。 令$B$表示邮件包含“免费”这一关键词，由历史邮件得知， $P(B ...
分类：
其他好文 时间：
2018-03-29 00:08:48
阅读次数：
134
本拼写检查器是基于朴素贝叶斯的基础来写的，贝叶斯公式以及原理就不在详述。直接上代码 以我现在的水平，现在看贝叶斯的原理还是懂的，但是编辑距离还不是很懂，以后慢慢变懂 ...
分类：
其他好文 时间：
2018-03-16 14:00:12
阅读次数：
211
生成学习算法 判别算法：进行P(y|x)的计算或者是进行h(x)（其中h只会是0与1）的计算。 生成学习算法：进行P(x|y)的建模，即给定类的条件下，某种特征显示的结果。同时也会对P(y)进行建模。 根据贝叶斯公式，我们可以得到，其中p(x) = p(x|y = 1)p(y = 1) + p(x| ...
分类：
其他好文 时间：
2018-01-26 00:28:06
阅读次数：
173
