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
paper： 《IRGAN: A Minimax Game for Unifying Generative and Discriminative Information Retrieval Models》 看了有一阵子发现有些忘记了，还是记在这里。 了解IRGAN首先要了解GAN：Generativ ...
分类：
其他好文 时间：
2018-04-08 19:50:44
阅读次数：
529
一、贝叶斯定理 机器学习所要实现的均是通过有限的训练样本尽可能的准确估计出后验概率，也就是所说的结果情况。大题分为判别式模型和生成式模型。 1. 判别式模型：直接通过建模P（结果|特征）的方式来预测结果，典型代表如决策树，BP神经网络、支持向量机等。 2. 生成式模型：先对联合概率分布P（特征，结果 ...
分类：
其他好文 时间：
2018-04-08 18:59:55
阅读次数：
1112
一、前述 机器学习算法中，有种依据概率原则进行分类的朴素贝叶斯算法，正如气象学家预测天气一样，朴素贝叶斯算法就是应用先前事件的有关数据来估计未来事件发生的概率。 二、具体 1、背景--贝叶斯定理引入对于两个关联事件（非独立事件）A和B，同时发生的概率为：P(AB)=P(A|B)P(B)=P(B|A) ...
分类：
其他好文 时间：
2018-04-07 17:49:38
阅读次数：
217
概要 把常用的机器学习算法：$k$ 近邻算法、决策树、朴素贝叶斯、$K$ 均值聚类其思想有及 python 代码实现总结一下。做到既要知其然又要知其所以然。参考《机器学习实战》。 $k$ 近邻算法 基本原理 $k$ 近邻算法是分类数据最简单有效 ...
分类：
编程语言 时间：
2018-03-26 19:07:02
阅读次数：
215
朴素贝叶斯(naive bayes) 标签： Python 机器学习 主要參考资料：《机器学习实战》《统计学习方法》 1.朴素贝叶斯分类原理 朴素贝叶斯法是基于贝叶斯定理和特征条件独立假设(称为朴素的原因)的分类方法。先看看维基百科中贝叶斯定理的描写叙述： 贝叶斯定理（维基百科） 通常，事件A在事件 ...
分类：
其他好文 时间：
2018-03-21 11:36:14
阅读次数：
253
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
---title: 斯坦福-随机图模型-week1.5tags: notenotebook: 6- 英文课程-9-Probabilistic Graphical Models 1: Representation---# 斯坦福-随机图模型-week1.5## 贝叶斯网络### 朴素贝叶斯朴素贝叶斯是... ...
分类：
其他好文 时间：
2018-03-03 21:29:09
阅读次数：
120
---title: 斯坦福-随机图模型-week1.5tags: notenotebook: 6- 英文课程-9-Probabilistic Graphical Models 1: Representation--- # 斯坦福-随机图模型-week1.5 ## 贝叶斯网络 ### 朴素贝叶斯 朴素... ...
分类：
其他好文 时间：
2018-03-03 21:28:19
阅读次数：
152
1 朴素贝叶斯法的学习与分类1.1 基本原理2 参数估计2.1 极大似然估计2.2 算法2.3 贝叶斯估计 1 朴素贝叶斯法的学习与分类 Naive Bayes是基于贝叶斯定理和特征条件独立的假设的分类方法。对于给定的训练数据，首先基于特征条件独立学习输入和输出的联合概率分布，然后基于此模型，对给定 ...
分类：
其他好文 时间：
2018-03-02 22:12:08
阅读次数：
186
