贝叶斯估计

【统计学习方法读书笔记】（四）朴素贝叶斯法

终于到了贝叶斯估计这章了，贝叶斯估计在我心中一直是很重要的地位，不过发现书中只用了不到10页介绍这一章，深度内容后，发现贝叶斯估计的基础公式确实不多，但是由于正态分布在生活中的普遍性，贝叶斯估计才应用的非常多吧
Y.G Bingo·2024-09-10 03:40

数学漫步——贝叶斯估计思想

统计学中有两个大的学派：频率学派(也称经典学派)，和贝叶斯学派总所周知统计推断是根据样本信息对总体分布或者是总体特征数进行推断，经典学派和贝叶斯学派就是通过统计推断的不同方式划分的，经典学派的统计推断是依据样本信息和总体信息来进行推断，而贝叶斯学派认为除了依据以上两种信息来进行推断以外还可以应该加上先验信息来进行统计推断。样本信息：样本信息即抽取样本观测其值所得到的信息，譬如在等到一组样本值之后可
罗泽坤·2024-09-02 08:35

十分钟学习极大自然似估计

本文主要介绍了极大似然估计，简单说明了其和矩估计、贝叶斯估计的异同，其他估计（如MAP）并不涉及。为什么要用极大似然估计对于一系列观察数据，我们常常可以找到一个具体分布来描述，但不清楚分布的参数。
培根炒蛋·2024-02-07 18:33

4 朴素贝叶斯

1定义朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法2.算法及实例极大似然估计：在这里插入图片描述在这里插入图片描述在这里插入图片描述贝叶斯估计：在这里插入图片描述在这里插入图片描述总结：朴素贝叶斯法是典型的生成学习方法
奋斗的喵儿·2024-02-06 21:59

《统计学习方法：李航》笔记 从原理到实现（基于python）-- 第4章 朴素贝叶斯法

文章目录第4章朴素贝叶斯法4.1朴素贝叶斯法的学习与分类4.1.1基本方法4.1.2后验概率最大化的含义4.2朴素贝叶斯法的参数估计4.2.1极大似然估计4.2.2学习与算法4.2.3贝叶斯估计代码实践
北方骑马的萝卜·2024-01-30 14:25

MATLAB环境下一种贝叶斯稀疏盲反卷积算法

稀疏盲反卷积贝叶斯估计方法通常使用伯努利-高斯分布(BG)先验的稀疏序列建模，并利用马尔可夫链蒙特卡罗(MCMC)方法进行未知估计。然而，BG模型的离散性会有计算瓶颈。
哥廷根数学学派·2024-01-26 10:03

贝叶斯估计：Cramér-Rao下界和Fisher信息

在概率统计和信息理论领域，Cramér-Rao下界（Cramér-RaoBound）和Fisher信息（FisherInformation）是两个重要而密切相关的概念。它们在估计理论和信息量度量中发挥着关键作用。本文将深入探讨这两个概念的定义、关系以及它们在统计推断中的应用。Cramér-Rao下界的表达：Cramér-Rao下界（Cramér-Raobound）是统计估计理论中的一个重要概念，它
DoYoungExplorer·2024-01-24 14:45

概率论与数理统计 Chapter4. 参数估计

样本方差2.k阶原点矩3.k阶中心矩2.参数的点估计1.矩估计1.正态分布2.指数分布3.均匀分布4.二项分布5.泊松分布2.极大似然估计1.正态分布2.指数分布3.二项分布4.均匀分布5.泊松分布3.贝叶斯估计
Espresso Macchiato·2024-01-12 05:18

【机器学习（一）】机器学习中使用朴素贝叶斯（即最小错误率贝叶斯）、最小风险贝叶斯实现分类

目录1.朴素贝叶斯分类（最小错误率贝叶斯）1.1理论：1.2朴素贝叶斯算法流程：1.3举例说明1.3.1计算步骤：1.3.2程序代码：2.贝叶斯估计2.1算法流程：2.2举例说明3最小风险贝叶斯3.1算法流程
Ai研究僧·2024-01-08 09:39

EM算法-细节讲解公式推导

EM算法的引入：概率模型有时候含有观测变量，又含有隐变量或潜在变量，如果概率模型的变量都是观测变量，那么给定数据，可以直接用极大似然估计法，或贝叶斯估计方法估计模型
闯闯爱打鼓·2024-01-04 20:32

机器学习：贝叶斯估计在新闻分类任务中的应用

在这个背景下，机器学习技术应运而生，其中贝叶斯估计作为一种强大的概率推断方法，在新闻分类任务中发挥着重要作用。在本篇文章中，使用搜狗实验室提供的新闻数据集，并且通过贝叶斯估计来
十有久诚·2024-01-01 02:04

时序分解 | Matlab实现贝叶斯变化点检测与时间序列分解

实现贝叶斯变化点检测与时间序列分解效果一览基本介绍程序设计参考资料效果一览基本介绍Matlab实现贝叶斯变化点检测与时间序列分解1.Matlab实现贝叶斯变化点检测与时间序列分解，完整源码和数据；BEAST（突变、季节性和趋势的贝叶斯估计
机器学习之心·2023-12-31 08:17

python音频 降噪_一种基于深度神经网络的音频降噪方法技术

传统的音频降噪方法主要有基于统计模型的贝叶斯估计法、子
weixin_39830387·2023-12-29 21:00

【AI】数学基础——数理统计（概念&参数估计）

基本定理大数定理马尔科夫不等式切比雪夫不等式中心极限定理3.6.3统计推断的基本问题3.7参数估计3.7.1频率派点估计法矩阵估计法极大似然估计点估计量的评估区间估计3.7.2贝叶斯派贝叶斯定理条件概率独立性变式贝叶斯公式贝叶斯定理贝叶斯定理计算概率贝叶斯估计贝叶斯预测模型比较理论实例
AmosTian·2023-12-25 01:17

What Uncertainties Do We Need in Bayesian Deep Learning for Computer Vision?

原理：贝叶斯估计需要对数据的所有分布计算，然而实际上我们并不能获得所有数据的分布，所
徴徴南风·2023-12-15 03:04

（5）L1、L2正则化

和L2正则化的过程如图所示L1，L2正则化示意图从贝叶斯估计的角度看，正则化项目对应于模型的先验概率，可以假设复杂的模型有比较小的先验概率，简单的模型有较大的先验概率。
顽皮的石头7788121·2023-11-25 08:56

【时间序列数据挖掘】ARIMA模型

ARIMA模型可以通过非常成熟的统计方法，比如说极大似然估计，矩估计，贝叶斯估计或者其他一些估计方法得到估计，所以是一个非常好用的工具
水w·2023-11-24 18:33

参数估计-最大似然估计和贝叶斯参数估计

为什么要进行参数估计参数估计是统计学中的经典问题，常用的方法是最大似然估计和贝叶斯估计。为什么机器学习中，也会用到参数估计呢？我们利用训练样本来估计先验概率和条件概率密度，并以此设计分类器。
于建民·2023-11-24 18:03

机器学习: 简单讲极大似然估计和贝叶斯估计、最大后验估计

一、前言我在概率论：参数估计里面提到了极大似然估计，不熟悉的可以看一下，本文重点介绍后两者估计方法。在这里两种估计方法估计的是什么？我们使用一个较为泛化的问题表示：考虑这样一个问题：总体X的概率密度函数为p(x∣θ)p(x|\theta)p(x∣θ)，但该密度函数未知，我们只观测到一组样本(x1,x2,…,xn)\left(x_{1},x_{2},\ldots,x_{n}\right)(x1,x2
JacksonKim·2023-11-24 18:59

贝叶斯（2）-最大似然估计和贝叶斯参数估计

直接统计类条件密度太复杂了且样本不足，所以我们希望用一个密度函数去拟合它，比如拟合成下面的正态分布，其中的参数可以用最大似然方法或者贝叶斯估计去进行参数估计。
cloudless_sky·2023-11-24 18:56

最大似然估计（MLE）和贝叶斯估计（BE）

最大似然估计（MLE）和贝叶斯估计（BE）在深度学习那么火之前，许多算法，都会在inference阶段用到最大似然估计或者最大后验概率估计，这些都机器学习中最最最基本的东西，就像地基一样，虽然现在深度学习仍然用到这些知识
baidu_huihui·2023-11-24 18:25

机器学习->统计学基础->贝叶斯估计,最大似然估计(MLE),最大后验估计(MAP)

频率派与贝叶斯学派贝叶斯公式推导最大似然函数(MLE)最大似然估计与最大后验估计区别与联系频率派与贝叶斯学派首先讲讲贝叶斯估计（对比传统频率学来讲）在我们传统的频率学来说，需要推断的参数the
村头陶员外·2023-11-24 18:55

什么是EM算法？

开头借用李航老师书中总结，概率模型有时既含有观测变量，又含有隐藏变量或者潜在变量，如果概率模型的变量都是观测变量，那么给定数据，可以直接用极大似然估计法，或者贝叶斯估计法估计模型参数，但是，当模型含有隐含变量的时候
Air_2014·2023-11-12 07:00

最大似然法，贝叶斯估计、最小错误贝叶斯决策Excel数据分类处理(介绍+Python实现)

文章目录第一，男女50米跑直方图显示第二，男女生身高、体重以及50m成绩的平均数与方差最大似然估计第三，女生身高以及体重的平均数贝叶斯估计第四，使用贝叶斯最小错误率决策，根据身高和体重两个特征判断输入数据所述的男女性别
EMB看灯夜·2023-10-28 05:53

mysql 体重 类型 身高_用身高和体重数据进行分类实验

二、具体做法：(1)应用单个特征进行实验：以(a)身高或者(b)体重数据作为特征，在正态分布假设下利用最大似然法或者贝叶斯估计法估计分布密度参数，建立最小错误率Bayes分类器，写出得到的决策规则，将该分类器应用到测试样本
weixin_39916511·2023-10-28 05:23

朴素贝叶斯法，后验概率最大化的含义，参数估计

文章目录朴素贝叶斯法后验概率最大化的含义参数估计极大似然估计贝叶斯估计参考资料朴素贝叶斯法输出取值：y∈{c1,c2,...,ck}y\in\{c_{1},c_{2},...,c_{k}\}y∈{c1,
星海浮生·2023-10-28 04:19

统计学习方法 | 朴素贝叶斯法

目录一、朴素贝叶斯法的原理二、极大似然估计下的朴素贝叶斯算法python实现三、贝叶斯估计下的朴素贝叶斯算法python实现一、朴素贝叶斯法的原理二、极大似然估计下的朴素贝叶斯算法python实现importnumpyasnpdefnaiveBayes
天下弈星~·2023-10-26 20:04

似然函数和贝叶斯的关系

似然函数什么是似然函数似然函数到底是L(θ∣x)L(\theta|x)L(θ∣x)还是L(x∣θ)L(x|\theta)L(x∣θ)似然函数和贝叶斯估计的关系是什么？
为啥不能修改昵称啊·2023-10-21 21:38

《统计学习方法》读书笔记——第九章 EM算法及其推广

目录写在前面本章框架EM算法EM算法在高斯混合模型中的应用EM算法的推广补充知识点高斯混合模型本章框架EM算法在进行概率模型的参数估计时，如果变量全是可以直接观测的，就可以直接用极大似然估计或贝叶斯估计
'Themis'·2023-10-19 23:53

统计学习方法 EM 算法

如果只有观测变量的话，那我们利用观测得到的数据，使用参数估计的方法（如极大似然估计法、矩估计法、贝叶斯估计法），就可以估计参数；
Air浩瀚·2023-10-19 10:11

贝叶斯学习

其主流分为朴素贝叶斯和高斯分布下的贝叶斯估计。相关概率知识**先验概率：**指根据以往经验和分析。在实验或采样前就可以得到的概率。
Gowi_fly·2023-10-19 02:42

机器学习--浅谈朴素贝叶斯

机器学习--朴素贝叶斯1-贝叶斯定理2-贝叶斯法则2-1-贝式定理2-2-概率案列3-朴素贝叶斯3-1朴素贝叶斯法的参数估计3-1-1极大似然估计3-1-2学习与分类算法3-1-3贝叶斯估计4代码部分1
Elvis_hui·2023-10-16 04:38

传感器数据融合的主要算法

多贝叶斯估计法：是融合静态环境中多传感器
画饼校长·2023-10-13 05:08

R语言使用Metropolis-Hastings采样算法自适应贝叶斯估计与可视化|附代码数据

原文链接：http://tecdat.cn/?p=19889原文出处：拓端数据部落公众号最近我们被客户要求撰写关于Metropolis-Hastings采样的研究报告，包括一些图形和统计输出。如果您可以写出模型的似然函数，则Metropolis-Hastings算法可以负责其余部分（即MCMC）。我写了r代码来简化对任意模型的后验分布的估计。具体如下：1）定义模型（即概率先验）。在此示例中，让我们
·2023-09-24 22:50

朴素贝叶斯(NBM)之后验概率最大化的含义 | 统计学习方法

朴素贝叶斯-贝叶斯估计Python复现：舟晓南：朴素贝叶斯（Bayes）模型python复现-贝叶斯估计；下溢出问题在《统计学习方法》一书中，详细说明了后验概率最大化与期望风险最小化之间的关系，深入地说明了后验概率最大化的含义
舟晓南·2023-09-21 23:39

第二周

可以用最大似然法或贝叶斯估计找到最优值。参数估计办法MLE最大似然估计--缺点：数据太小的时候容易对模型参数估计有偏差MAE贝叶斯推断--缺点：需要知
个革马·2023-09-20 19:47

statistic learning outlook

supervisedlearning贝叶斯估计决策树与信息熵信息熵H(D)=−∑i=1np(X=xi)log(P(X=xi))=−∑pilog(pi)H(D)=-\sum_{i=1}^np(X=x_i)
Great_GNU&linux·2023-09-19 15:07

【AI】机器学习——朴素贝叶斯

2.1.3贝叶斯决策基本思想2.2朴素贝叶斯2.2.1朴素贝叶斯分类器思想2.2.2条件独立性对似然概率计算的影响2.2.3基本方法2.2.4模型后验概率最大化损失函数期望风险最小化策略2.2.5朴素贝叶斯估计离散特征学习算法
AmosTian·2023-09-07 09:42

3.贝叶斯分类器

为样本空间S的一个划分,且,则有朴素贝叶斯算法输入1.训练集2.实例输出算法步骤1.先验概率的极大似然估计2.条件概率的极大似然估计3.朴素贝叶斯法假设：在分类确定的条件下,用于分类的特征是条件独立的贝叶斯估计
BlueFishMan·2023-08-24 12:31

R语言MCMC:Metropolis-Hastings采样用于回归的贝叶斯估计|附代码数据

全文链接：http://tecdat.cn/?p=19664最近我们被客户要求撰写关于MCMC的研究报告，包括一些图形和统计输出。MCMC是从复杂概率模型中采样的通用技术。蒙特卡洛马尔可夫链Metropolis-Hastings算法问题如果需要计算有复杂后验pdfp（θ|y）的随机变量θ的函数f（θ）的平均值或期望值。您可能需要计算后验概率分布p（θ）的最大值。解决期望值的一种方法是从p（θ）绘制
·2023-08-15 20:06

（统计学习方法|李航）第四章 朴素贝叶斯算法——贝叶斯估计

贝叶斯估计方法：计算男女时只有两个值，所以K=2贝叶斯估计就是拉普拉斯平滑估计方法：为什么叫做贝叶斯估计呢？
Allenspringfestival·2023-08-13 19:12

（统计学习方法|李航）第四章 朴素贝叶斯算法

目录一，朴素贝叶斯的学习与分类1.基本方法2.后验概率最大化的含义二，朴素贝叶斯法的参数估计1.极大似然估计2.学习与分类算法3.贝叶斯估计一，朴素贝叶斯的学习与分类1.基本方法2.后验概率最大化的含义二
Allenspringfestival·2023-08-09 16:22

讲座笔记|词向量与ELMo模型

1：最大似然估计最大似然估计是机器学习邻域最为常见的构建目标函数的方法，核心是根据观测到的结果预测其中的未知参数求解：极大值倒数为0预习2：机器学习中的MLE（极大似然估计）、MAP（最大后验估计）、贝叶斯估计
Woooooooooooooo·2023-07-21 01:12

朴素贝叶斯模型(NBM)详细解读 | 统计学习方法学习笔记 | 数据分析 | 机器学习

本文包括：1.走近朴素贝叶斯-上帝到底掷不掷骰子2.重要概念3.贝叶斯公式的一般形式5.朴素贝叶斯的基本方法6.贝叶斯估计其它有关数据分析，机器学习的文章及社群朴素贝叶斯-贝叶斯估计Python复现：朴素贝叶斯
舟晓南·2023-06-19 18:36

【西瓜书笔记】8. EM算法（上）

如果概率模型的变量都是观测变量，那么给定数据，可以直接用极大似然估计法，或者贝叶斯估计法估计模型参数。但是当模型含有隐变量时，就不能简单地使用这些估计方法。
西风瘦马1912·2023-06-18 09:52

R语言MCMC:Metropolis-Hastings采样用于回归的贝叶斯估计|附代码数据

全文链接：http://tecdat.cn/?p=19664最近我们被客户要求撰写关于Metropolis-Hastings采样的研究报告，包括一些图形和统计输出。MCMC是从复杂概率模型中采样的通用技术。蒙特卡洛马尔可夫链Metropolis-Hastings算法问题如果需要计算有复杂后验pdfp（θ|y）的随机变量θ的函数f（θ）的平均值或期望值。您可能需要计算后验概率分布p（θ）的最大值。解
·2023-06-16 00:55

概率密度函数的参数估计

文章目录前言一、文章重点及流程梳理二、概率论基础知识三、参数估计1.极大似然估计（MaximumLikelihoodEstimation）2.贝叶斯估计前言写作参考概率论书籍、西瓜书、李航《统计学习方法
HelloKeitei·2023-04-21 03:20

【数据统计】— 极大似然估计 MLE、最大后验估计 MAP、贝叶斯估计

【数据统计】—极大似然估计MLE、最大后验估计MAP、贝叶斯估计极大似然估计、最大后验概率估计(MAP)，贝叶斯估计极大似然估计(MaximumLikelihoodEstimate，MLE)MLE目标例子
之墨_·2023-04-21 02:02

统计学习第一章习题

第1章统计学习方法概论习题1.1  说明伯努利模型的极大似然估计以及贝叶斯估计中的统计学习方法三要素。伯努利模型是定义在取值为0与1的随机变量上的概率分布。
Paul-Huang·2023-04-16 20:51

《R实现贝叶斯统计》chapter 2

先验分布类型已知比方说，我已知先验分布属于Beta()函数族，只是它的参数未知，那么根据已知的均值和方差，根据分布密度函数特点可以求出参数2.主观概率法即借鉴以往的历史经验，或者利用其对立事件求出先验概率贝叶斯估计
小潤澤·2023-04-12 00:19
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他