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。1. Jensen不等式 回顾优化理论中的一些概念。设f是...
分类：
编程语言 时间：
2014-11-27 12:01:04
阅读次数：
259
简介贝叶斯网络(Bayesiannetwork)，又称信念网络(beliefnetwork)或是有向无环图模型(directedacyclicgraphicalmodel)，是一种概率图型模型，借由有向无环图(directedacyclicgraphs,orDAGs)中得知一组随机变量{}及其n组条...
分类：
其他好文 时间：
2014-11-18 17:22:33
阅读次数：
535
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：
2014-10-28 13:47:41
阅读次数：
182
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：
2014-10-21 22:51:45
阅读次数：
333
本文用白话的形式介绍了图像分类领域的三大主流分类器：贝叶斯网络、神经网络和支持向量机，绝不带一个数学公式，希望对大家有帮助...
分类：
其他好文 时间：
2014-10-13 01:17:18
阅读次数：
230
概率分布（Distributions）如图1所看到的，这是最简单的联合分布案例，姑且称之为学生模型。图1当中包括3个变量，各自是：I（学生智力，有0和1两个状态）、D（试卷难度，有0和1两个状态）、G（成绩等级，有1、2、3三个状态）。表中就是概率的联合分布了，表中随便去掉全部包括某个值的行，就能对...
分类：
其他好文 时间：
2014-10-12 17:14:48
阅读次数：
278
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：
其他好文 时间：
2014-09-27 17:36:30
阅读次数：
185
模板模型（Template Models）主要包括模板变量（TemplateVariables）和语言（Language）。
模板模型可以应用于无限大的贝叶斯网络；
模板变量是被多次复用的变量：
如：地点(时间)、基因型（人物）、标签（像素）、难度（课程），等等。
语言用来描述模板变量如何从模板中继承依赖关系。
语言有很多种，各种语言都有各种应用条件，从而构造出大...
分类：
其他好文 时间：
2014-09-03 21:20:57
阅读次数：
609
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：
其他好文 时间：
2014-08-16 13:48:00
阅读次数：
246
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：
其他好文 时间：
2014-07-09 15:36:36
阅读次数：
134
