EM是我一直想深入学习的算法之一，第一次听说是在NLP课中的HMM那一节，为了解决HMM的参数估计问题，使用了EM算法。在之后的MT中的词对齐中也用到了。在Mitchell的书中也提到EM可以用于贝叶斯网络中。 下面主要介绍EM的整个推导过程。
分类：
编程语言 时间：
2015-04-17 23:38:44
阅读次数：
279
首先来看一个草地湿润模型，Cloudy表示天气是否多云,C=1(F)表示False，C=2(T)表示True,一下表示均相同，Sprinklet表示洒水车是否出动，Rain表示是否下雨，WetGrass表示草地是否是湿的。旁边的表格表示各种条件概率。
贝叶斯网络表示：BNT中使用矩阵方式表示贝叶斯网络，即若节点i到j有一条弧，则对应矩阵中（i，j）值为1，否则为0。上图...
分类：
其他好文 时间：
2015-03-03 22:17:31
阅读次数：
557
首先来看一个草地湿润模型，Cloudy表示天气是否多云,C=1(F)表示False，C=2(T)表示True,一下表示均相同，Sprinklet表示洒水车是否出动，Rain表示是否下雨，WetGrass表示草地是否是湿的。旁边的表格表示各种条件概率。
贝叶斯网络表示：BNT中使用矩阵方式表示贝叶斯网络，即若节点i到j有一条弧，则对应矩阵中（i，j）值为1，否则为0。上图是...
分类：
其他好文 时间：
2015-03-03 15:15:05
阅读次数：
692
首先来看一个草地湿润模型，Cloudy表示天气是否多云C=1(F)表示False，C=2(T)表示True,一下表示均相同，Sprinklet表示洒水车是否出动，Rain表示是否下雨，WetGrass表示草地是否是湿的。旁边的表格表示各种条件概率。clear;clc;
N = 4; %四个节点 分别是cloudy，sprinkler，rain，wet...
分类：
其他好文 时间：
2015-03-03 13:44:26
阅读次数：
2604
贝叶斯分类器 贝叶斯分类器的分类原理是通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类。眼下研究较多的贝叶斯分类器主要有四种，各自是：Naive Bayes、TAN、BAN和GBN。 贝叶斯网络是一个带有概率...
分类：
编程语言 时间：
2015-01-21 14:57:37
阅读次数：
405
一：重要原理（1）链规则：（2）贝叶斯定理：（3）变量间条件独立性：二：主要问题2.1贝叶斯网络概率推理2.2结构学习：发现变量之间的图关系结构学习算法：（1）K2算法: 通过为每个结点寻找父结点集合来学习贝叶斯网络结构。它不断往父结点集中添加结点，并选择能最大化数据和结构的联合概率的结点集。（2）...
分类：
其他好文 时间：
2015-01-12 20:44:45
阅读次数：
137
1：贝叶斯网络的定义和性质一个贝叶斯网络定义包括一个有向无环图（DAG）和一个条件概率表集合。DAG中每一个节点表示一个随机变量，可以是可直接观测变量或隐藏变量，而有向边表示随机变量间的条件依赖；条件概率表中的每一个元素对应DAG中唯一的节点，存储此节点对于其所有直接前驱节点的联合条件概率。 贝叶斯...
分类：
编程语言 时间：
2014-12-22 10:56:52
阅读次数：
160
相关链接http://blog.csdn.net/column/details/datamining.html通俗理解LDA主题模型http://blog.csdn.net/v_july_v/article/details/41209515从贝叶斯方法谈到贝叶斯网络http://blog.csdn....
分类：
编程语言 时间：
2014-12-08 12:10:58
阅读次数：
293
