(Bayesian

BPR [Bayesian Personalized Ranking] 算法详解及应用实践

在推荐系统的实现中，几乎总会遇到从较多候选集中为用户选取特定的少数几个物品进行推荐，这本质上是一个Ranking问题。在推荐场景中用户更缺乏耐性，对推荐结果的消费也十分有限。因此，排序的好坏直接决定了用户对一个准确率为90%的推荐候选集的满意度是否真的有90%。这里我们为大家介绍一种“基于贝叶斯后验优化的个性化排序算法”：BayesianPersonalizedRanking。其本身并不优化用户对
data_rec·2017-01-12 19:36

概率图模型（PGM） —— 贝叶斯网络（Bayesian Network）

概率图模型是图论与概率方法的结合产物。Probabilisticgraphicalmodelsareajointprobabilitydistributiondefinedoveragraph，概率图模型是定义在一副图上的联合概率分布（jointprobabilitydistribution）。图模型分为两种：有向图（directedgraphs）：bayesiannetworks无向图（undi
Inside_Zhang·2017-01-11 18:16

贝叶斯层次型模型参数估计 Bayesian hierarchical model parameter estimation with Stan

再来总结下贝叶斯参数估计，分为以下几部分：1.先说说贝叶斯参数估计2.再说说层次型模型，指的就是超参数（Hyperparameter）的选择3.用R+stan的HamiltonianMC把这些参数（数据分布的参数和超参数）都采出来这里我们用一个例子来演示怎么估计参数。我们使用一个人工的数据，每天超市里一件商品的销售量y。生成数据的R代码：nSamplesN;inty[N];}parameters{
lee813·2016-12-03 18:31

基于Wishart分布的Bayesian检验

首先，Wiahsrt分布是用来刻画协方差矩阵统计量概率分布的一个分布，记作W(Σ,d,n)其中n代表构成协方差矩阵的样本数目，d代表样本维度，Σ代表方差。假设有总体A1,A2，...,AG其中每一个总体都符合P维的正态分布，即有：Ai∼N(μi,Σi)那么，对于其中某个总体Ai来说，如果在其中取k个样本Xi1,Xi2，...,xik，其统计量。X^i=1k∑j=1kXij=f1(X^i|μi,Σi
artista·2016-09-18 10:02

朴素贝叶斯分类(Naive Bayesian classification)

算法介绍概念解析贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。贝叶斯定理是以18世纪的一位神学家托马斯.贝叶斯的名字命名，它率先引入先验知识和逻辑推理来处理不确定命题。这个定理解决了现实生活里经常遇到的问题：已知某条件概率，如何得到两个事件交换后的概率，也就是在已知P(A|B)的情况下如何求得P(B|A)。这里先解释什么是条件概率：P(A|B)表示事件B已经发生
flykinghg·2016-09-02 11:00

[完]机器学习实战 第四章 基于概率论的分类方法：朴素贝叶斯（Naive Bayesian Classification）

第四章基于概率论的分类方法：朴素贝叶斯本章内容对于分类，使用概率有时比使用硬规则更为有效。贝叶斯概率及贝叶斯准备提供了一个利用已知值来估计未知概率的有效方法。朴素贝叶斯：通过特征之间的条件独立性假设，降低对数据量的需求。独立性是指一个词的出现概率与文档中的其他词没有关联关系。这也是称为朴素贝叶斯的原因。虽然条件独立性假设不成立，但是朴素贝叶斯仍然是一种有效的分类器。朴素贝叶斯的另外一个假设是每个特
namelessml·2016-09-02 00:00

朴素贝叶斯（Naive Bayesian）分类器原理入门

版权声明：本文为原创文章：http://blog.csdn.net/programmer_wei/article/details/52092995NB分类算法是概率学派的经典算法，也是机器学习中的一个非常经典非常基础的分类算法，NB算法有很强的数学理论作为支撑，本文主要介绍了NB算法的基本原理与数学推导。假设我们有一组训练数据：｛(x1,c1),(x2,c2)......(xn,cn)｝其中ci是
oo笨小孩oo·2016-08-02 12:40

scikit-learn : Bayesian Ridge Regression

贝叶斯岭回归在岭回归主题中，我们介绍了岭回归优化的限制条件。我们还介绍了相关系数的先验概率分布的贝叶斯解释，将很大程度地影响着先验概率分布，先验概率分布通常均值是0。背景岭回归和LASSO用贝叶斯观点来解释，与频率优化观点解释相反。scikit-learn只实现了贝叶斯岭回归，我们将对比两种回归算法。准备模拟数据首先，我们创建一个回归数据集：fromsklearn.datasetsimportma
SA14023053·2016-07-03 22:00

贝叶斯线性回归（Bayesian Linear Regression）

贝叶斯线性回归（BayesianLinearRegression）标签（空格分隔）：监督学习@author:[email protected]@time:2015-06-19原文地址贝叶斯线性回归BayesianLinearRegression原文地址关于参数估计极大似然估计渐进无偏渐进一致最大后验估计贝叶斯估计贝叶斯估计核心问题贝叶斯估计第一个重要元素贝叶斯估计第二个重要元素贝叶斯估计的增量学习贝
daunxx·2016-06-21 09:00

广告平台中用户画像和标注噪声处理的实践

根据FreeWheel的实践，基于NLP技术抽象用户观看记录，构建用户特征，并通过Bayesian概率框架和LabelNoisy技术生成可信的标注集合，最终取得了较好的线上实践效果。
童有军·2016-06-10 00:00

朴素贝叶斯分类器

www.open-open.com/doc/view/2952280b0327489684c0be7e96d2eaddhttp://www.cnblogs.com/leoo2sk/archive/2010/09/17/naive-bayesian-classifier.htmlhttp
dulingtingzi·2016-06-04 11:24

【3】机器学习之华山论剑：贝叶斯方法

云计算（即巨大的语料库用来统计先验概率）从朴素贝叶斯方法到隐含马尔科夫模型再到贝叶斯网络（有向无环图DAG）文章链接：http://mindhacks.cn/2008/09/21/the-magical-bayesian-method
Mylin·2016-05-30 10:40

通俗易懂机器学习——朴素贝叶斯算法

从数学推导到计算演练到编程实战文章内容有借鉴网络资料、李航《统计学习方法》、吴军《数学之美》加以整理及补充基础知识补充：1、贝叶斯理论–吴军数学之美http://mindhacks.cn/2008/09/21/the-magical-bayesian-method
snanda·2016-05-09 12:00

VISUAL SALIENCY DETECTION BASED ON BAYESIAN MODEL

文章主要利用贝叶斯推导模型来得到显著性检测映射图。贝叶斯推导模型的计算公式如下图：后验概率的意义是，在已知当前像素点的条件下，当前像素点为显著性目标的概率。为了构建上诉贝叶斯概率模型，需要提前计算出显著性值以及得到显著性区域。稳重利用colorboost方法来计算焦点检测，有效的利用角点所构建出来的凸包区域来计算大致的显著性区域。由于凸包能够很好的将图像区域分割为两个部分，也就大致得到了显著性区域
dayenglish·2016-05-04 11:00

机器学习系列----朴素贝叶斯分类器

本文转自：http://www.cnblogs.com/leoo2sk/archive/2010/09/17/naive-bayesian-classifier.html#3411304 原作者：张洋还是和上一篇一样
Sunshine_in_Moon·2016-04-28 16:00

Stanford机器学习笔记-3.Bayesian statistics and Regularization

3.BayesianstatisticsandRegularizationContent3.BayesianstatisticsandRegularization. 3.1Underfittingandoverfitting. 3.2Bayesianstatisticsandregularization. 3.3OptimizeCostfunctionbyregularization. 3.3.1
qq_26898461·2016-04-22 16:00

算法杂货铺——分类算法之朴素贝叶斯分类(Naive Bayesian classification)

0、写在前面的话     我个人一直很喜欢算法一类的东西，在我看来算法是人类智慧的精华，其中蕴含着无与伦比的美感。而每次将学过的算法应用到实际中，并解决了实际问题后，那种快感更是我在其它地方体会不到的。     一直想写关于算法的博文，也曾写过零散的两篇，但也许是相比于工程性文章来说太小众，并没有引起大家的兴趣。最近面临毕业找工作，为了能给自己增加筹码，决定再次复习算法方面的知识，我决定趁这个机会
qqh19910525·2016-04-13 16:00

分类算法之朴素贝叶斯分类(Naive Bayesian classification)

1.1、摘要     贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。本文作为分类算法的第一篇，将首先介绍分类问题，对分类问题进行一个正式的定义。然后，介绍贝叶斯分类算法的基础——贝叶斯定理。最后，通过实例讨论贝叶斯分类中最简单的一种：朴素贝叶斯分类。1.2、分类问题综述     对于分类问题，其实谁都不会陌生，说我们每个人每天都在执行分类操作一点都不夸张，只是我
hellowangxyue·2016-04-10 13:00

Matting学习

Matting论文摘记bayesian+matting算法的研究和改进digitallearningbasedmatting毕业论文
MyArrow·2016-04-07 18:00

Bayesian statistics

目录1Bayesianmodelselection贝叶斯模型选择1奥卡姆剃刀Occamsrazor原理2Computingthemarginallikelihoodevidence2-1BICapproximationtologmarginallikelihood2-2贝叶斯因子3先验3-1确定无信息先验分布的Jeffreys原则3-2共轭先验ConjugatePriors4Hierarchica
yuliured·2016-04-05 00:41

Bayesian statistics

目录1Bayesianmodelselection贝叶斯模型选择1奥卡姆剃刀Occamsrazor原理2Computingthemarginallikelihoodevidence2-1BICapproximationtologmarginallikelihood2-2贝叶斯因子3先验3-1确定无信息先验分布的Jeffreys原则3-2共轭先验ConjugatePriors4Hierarchica
yuliured·2016-04-05 00:00

Bayesian statistics

三种估计的比较我们假设我们观察的变量是x，观察的变量取值（样本）为D={x_1,…,x_N}，要估计的参数是θ，x的分布函数是p(x┤|θ)最大似然估计MaximumLikelihood(ML)“似然”的意思就是“事情（即观察数据）发生的可能性”，最大似然估计就是要找到θ的一个估计值，使“事情发生的可能性”最大，也就是使p(D|θ)最大。一般来说，我们认为多次取样得到的x是独立同分布的（iid），
yuliured·2016-04-04 13:00

Stanford机器学习笔记-3.Bayesian statistics and Regularization

3.BayesianstatisticsandRegularizationContent3.BayesianstatisticsandRegularization. 3.1Underfittingandoverfitting. 3.2Bayesianstatisticsandregularization. 3.3OptimizeCostfunctionbyregularization. 3.3.1
llhthinker·2016-04-04 00:00

Bayesian Classifier （Naive Bayesian Classifier - 朴素贝叶斯分类）

•BayesRule•Maximumaposteriori(MAP)hypothesisNoteP(x)isindependentofh,hencecanbeignored.•AssumingthateachhypothesisinHisequallyprobable,i.e.,P(hi)=P(hj),forall i andj,thenwecandropP(h)inMAP.P(d|h)isoft
u012240857·2016-03-15 14:00

DataMining-朴素贝叶斯Naive Bayesian

   贝叶斯分类器是一种对于属性集X和类变量Y的概率关系建模的方法，其有两种实现方式：朴素贝叶斯和贝叶斯信念网络。本次首先介绍贝朴素叶斯，以及在R软件中的实现和注意事项。一、朴素贝叶斯理论      要注意：（1）对于连续型的属性集变量，可依照高斯分布即正态分布比较大小，或者利用和密度估计比较属性的两个取值的概率大小，在R软件中可以实现；（2）m估计也称为贝叶斯估计（Baysianestimati
DataMaster·2016-03-02 18:00

概率图模型笔记(2)——Bayesian Network Fundamentals

2.1semantics&factorization2.1.1CPD：conditionalprobabilitydistribution.条件概率分布2.1.2贝叶斯网络一个非循环的有向图，在图中，点代表了随机变量X1,…,Xn。对于每个节点来说都是一个CPD：P(Xi|ParG(Xi))2.1.3贝叶斯网络链式法则当我们希望得到某个概率P(D,I,G,S,L)时，只需将对应的CPD相乘即可。即
u010366427·2016-01-25 22:00

Naive Bayesian文本分类器

贝叶斯学习方法中实用性很高的一种为朴素贝叶斯学习期，常被称为朴素贝叶斯分类器。在某些领域中与神经网络和决策树学习相当。虽然朴素贝叶斯分类器忽略单词间的依赖关系，即假设所有单词是条件独立的，但朴素贝叶斯分类在实际应用中有很出色的表现。朴素贝叶斯文本分类算法伪代码：朴素贝叶斯文本分类算法流程：通过计算训练集中每个类别的概率与不同类别下每个单词的概率，然后利用朴素贝叶斯公式计算新文档被分类为各个类别的概
k76853·2016-01-17 16:00

贝叶斯网的R实现（ Bayesian networks in R）bnlearn(2)

3.结构学习上面我们采用一个预先设定的结构建立了一个关于marks的贝叶斯网。这种方式在某些情况下（比如存在先验的专家知识）是合适的。但是对大多数的贝叶斯网络，我们需要从数据中学习网络。3.1贝叶斯网的结构简介贝叶斯网关于节点（随机变量）的条件依赖或条件独立可以从图的角度讨论节点之间的连通与分割。如果两个节点A,B直接相连，它们之间存在直接依赖关系。若两个节点不是直接相连的，要么A和B之间没有任何
junli_chen·2016-01-09 21:21

分类算法之朴素贝叶斯分类(Naive Bayesian classification)

原文链接：http://www.cnblogs.com/leoo2sk/archive/2010/09/17/naive-bayesian-classifier.html作者：张洋0、写在前面的话     
jiange_zh·2016-01-08 21:00

微博收藏（机器学习课程与论文）（三）

曹胖胖要减肥给大家推荐两个机器学习课程，log实验室年度呕心沥血之作，张志华老师在交大IEEE班和ACM班机器学习课程全纪录统计机器学习 地址机器学习导论 地址   @陈天奇怪:不错，似乎比较偏向统计和Bayesian
qq_26898461·2016-01-05 09:00

mahout基于用户推荐的简单例子（1）

在Mahout实现的机器学习算法：算法类算法名中文名分类算法LogisticRegression逻辑回归Bayesian贝叶斯SVM支持向量机Perceptron感知器算法NeuralNetwork神经网络
浪朗森·2016-01-04 13:00

贝叶斯推断及其互联网应用（一）：定理简介

为了更好的了解贝叶斯定理以及相关的应用，特地找来三篇文章进行学习，以下是文章的链接，感谢原作者：http://www.ruanyifeng.com/blog/2011/08/bayesian_inference_part_one.html
mousever·2015-12-27 21:03

【推荐系统算法】BPMF(Bayesian Probabilistic Matrix Factorization)

Salakhutdinov,Ruslan,andA.Mnih.“Bayesianprobabilisticmatrixfactorizationusingmarkovchainmontecarlo.”InternationalConferenceonMachineLearning2008:880-887.对PMF模型以及应用场景不熟悉的同学可以先阅读这篇基础PMF。本论文的模型和前文类似，但在求解
shenxiaolu1984·2015-12-25 23:00

Naive Bayesian(朴素贝叶斯)

朴素贝叶斯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，先基于特征条件独立假设学习到输入输出的联合概率分布，然后基于此模型，对于给定的输入x，利用贝叶斯定理输出后验概率最大的输出y。(属于生成模型)综合来说就是：1.由训练数据学习联合概率分布。(会用到条件独立性假设)2.利用贝叶斯定理将输入x分到后验概率最大的类y。具体推导：1.由训练数据求解联合概率分布在这里联合概率分布p
Findss·2015-12-19 16:34

人脸验证算法Joint Bayesian详解及实现（Python版）

本文转自：http://blog.csdn.net/cyh_24/article/details/49059475人脸验证算法JointBayesian详解及实现（Python版）Tags：JointBayesianDeepLearningPython本博客仅为作者记录笔记之用，不免有很多细节不对之处。还望各位看官能够见谅，欢迎批评指正。博客虽水，然亦博主之苦劳也。如对代码有兴趣的请移步我的G
Sunshine_in_Moon·2015-12-07 17:00

Bayesian facerevisited : a joint formulation 学习笔记

本文转自：http://m.blog.csdn.net/blog/xp215774576/45025145Bayesianfacerevisited:ajointformulationAjointformulation:x=u+ε这篇论文做了以下几件事情:1.   回顾由BabackMoghaddam等提出经典贝叶斯人脸识别方法。而FaceVerification和Faceidentificati
Sunshine_in_Moon·2015-12-07 17:00

PS:mproving Object Detection With Deep Convolutional Networks via Bayesian Optimization..___CVPR2015

ImprovingObjectDetectionWithDeepConvolutionalNetworksviaBayesianOptimizationandStructuredPrediction[fullpaper](http://www.cv-foundation.org/openaccess/content_cvpr_2015/papers/Zhang_Improving_Object_D
clarkatsau·2015-11-30 11:11

变分贝叶斯

https://en.wikipedia.org/wiki/Variational_Bayesian_methods英文版的解释，表示这是个啥，完全看不懂！！！
maxandhchen·2015-11-14 20:00

machine learning for hacker记录(3) 贝叶斯分类器

），算法性能正如英文缩写的一样，很NB，尤其在垃圾邮件检测领域，关于贝叶斯的网上资料也很多，这里推荐那篇刘未鹏写的http://mindhacks.cn/2008/09/21/the-magical-bayesian-method
·2015-11-13 20:02

Mahout之Navie Bayesian命令端运行

landen@landen-Lenovo:~/文档/20news$ mahout trainclassifier --helpMAHOUT_LOCAL is not set; adding HADOOP_CONF_DIR to classpath.Running on hadoop, using HADOOP_HOME=/home/landen/UntarFile/hadoop-1.0.4No H
·2015-11-13 10:54

Mahout之深入navie Bayesian classifier理论

转自： http://www.cnblogs.com/leoo2sk/archive/2010/09/17/naive-bayesian-classifier.html 1.1、摘要   
·2015-11-13 10:53

转 :hlda文献学习笔记

yhbys.blog.sohu.com/238343705.html 题目：The Nested Chinese Restaurant Process and Bayesian
·2015-11-13 08:34

生成模型（Generative Model）Vs 判别模型（Discriminative Model）

        概率图分为有向图（bayesian network）与无向图（markov random filed）。
·2015-11-13 08:22

转：狄利克雷过程（dirichlet process ）的五种理解

： http://blog.csdn.net/xianlingmao/article/details/7342837   无参数贝叶斯方法： Nonparametric Bayesian
·2015-11-13 08:17

《模式识别与机器学习》学习笔记：2.0 前言

术语 术语 中文含义 备注 Bayesian inference     density estimation     ill-posed 不适定的
·2015-11-13 07:04

《模式识别和机器学习》摘要和关键问题

如果参数p先验等概，于是根据Bayesian定理ML和MAP等价。
·2015-11-13 02:32

朴素贝叶斯分类算法（1）

转自http://blog.csdn.net/lch614730/article/details/17031145 朴素贝叶斯分类算法（Naive Bayesian classification） PS
·2015-11-13 02:32

[Machine Learning] Probabilistic Graphical Models：二、Bayes Network Fundamentals（1、Semantics & Factorization）

二、Chain Rule for Bayesian N
·2015-11-12 13:53

分类算法之朴素贝叶斯分类（Naive Bayesian Classification）

1、什么是分类      分类是一种重要的数据分析形式，它提取刻画重要数据类的模型。这种模型称为分类器，预测分类的（离散的，无序的）类标号。例如医生对病人进行诊断是一个典型的分类过程，医生不是一眼就看出病人得了哪种病，而是要根据病人的症状和化验单结果诊断病人得了哪种病，采用哪种治疗方案。再比如，零售业中的销售经理需要分析客户数据，以便帮助他猜测具有某些特征
·2015-11-11 10:54

数学之美番外篇：平凡而又神奇的贝叶斯方法

转载自：http://mindhacks.cn/2008/09/21/the-magical-bayesian-method/   概率论只不过是把常识用数学公式表达了出来。
·2015-11-11 07:21
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他