贝叶斯估计

直方图法、Kn近邻估计法、Parzen窗法

当需要估计的概率密度函数的形式未知，比如我们并不能知道样本的分布形式时，我们就无法用最大似然估计方法或贝叶斯估计方法来进行参数估计，而应该用非参数估计方法。这里就介绍三种非参数估计方法。
Angel_Yuaner·2015-08-24 14:55

文本语言模型的参数估计方法--最大似然估计、MAP、贝叶斯估计

转自：http://blog.csdn.net/woshizhouxiang/article/details/17556241重点在掌握模型参数估计的方法，实现模型的优化 以PLSA和LDA为代表的文本语言模型是当今统计自然语言处理研究的热点问题。这类语言模型一般都是对文本的生成过程提出自己的概率图模型，然后利用观察到的语料数据对模型参数做估计。有了语言模型和相应的模型参数，我们可以有很多重要的应
lynnucas·2015-08-24 10:00

贝叶斯估计

贝叶斯估计是概率密度函数估计中的一种主要的参数估计方法，其结果在很多情况下和最大似然估计方法相同。
Angel_Yuaner·2015-08-22 16:30

你应该掌握的四种参数估计技术

常用的方法有距估计、最大似然估计、最大后验估计和贝叶斯估计。本
Zhang_P_Y·2015-08-22 16:28

你应该掌握的四种参数估计技术

常用的方法有距估计、最大似然估计、最大后验估计和贝叶斯估计。本
LG1259156776·2015-08-22 16:00

【图像跟踪】贝叶斯估计基础

贝叶斯估计基础跟踪问题可以看作是贝叶斯估计问题，用下图模型表示。图中xi和yi分别表示第i时刻的目标状态和观测。
Kena_M·2015-08-12 21:00

朴素贝叶斯分类

时候称为拉普拉斯平滑（Laplacesmoothing）显然对任何l=1,2,..,Sj,k=1,2,..,K有Pλ(X(j)=ajl|Y=ck)>0∑Sil=1Pλ(X(j)=ajl|Y=ck)=1先验概率的贝叶斯估计是
qunxingvip·2015-07-11 12:00

文本语言模型的参数估计-最大似然估计、MAP及贝叶斯估计

转自：http://blog.csdn.net/yangliuy/article/details/8296481以PLSA和LDA为代表的文本语言模型是当今统计自然语言处理研究的热点问题。这类语言模型一般都是对文本的生成过程提出自己的概率图模型，然后利用观察到的语料数据对模型参数做估计。有了语言模型和相应的模型参数，我们可以有很多重要的应用，比如文本特征降维、文本主题分析等等。本文主要介绍文本分析
Lu597203933·2015-05-23 12:00

最大似然概率和后验概率的区别

极大似然估计和贝叶斯估计分别代表了频率派和贝叶斯派的观点。频率派认为，参数是客观存在的，只是未知而矣。
xietingcandice·2015-04-22 10:00

模式识别：最大似然估计与贝叶斯估计方法

之前学习了贝叶斯分类器的构造和使用，其中核心的部分是得到事件的先验概率并计算出后验概率，而事实上在实际使用中，很多时候无法得到这些完整的信息，因此我们需要使用另外一个重要的工具——参数估计。参数估计是在已知系统模型结构时，用系统的输入和输出数据计算系统模型参数的过程。18世纪末德国数学家C.F.高斯首先提出参数估计的方法，他用最小二乘法计算天体运行的轨道。20世纪60年代，随着电子计算机的普及，参
liyuefeilong·2015-04-06 10:00

数学篇----参数估计之最大似然估计法[概率论]

有很多求点估计的方法：最大似然估计法、矩估计法、最小二乘法、贝叶斯估计法。重点就是最大似然法。   最大似然估计
guzhenping·2015-02-04 19:00

《统计学习方法，李航》：4、朴素贝叶斯法

=x)，就要计算P(Y=ck)和P(X(j)=x(j)|Y=ck)：3）其他例子参考：http://blog.csdn.net/qll125596718/article/details/8445217贝叶斯估计
mmc2015·2015-01-19 22:00

极大似然估计和贝叶斯估计

转载于http://blog.sciencenet.cn/blog-520608-703219.html极大似然估计和贝叶斯估计分别代表了频率派和贝叶斯派的观点。
andyelvis·2015-01-05 15:00

贝叶斯估计和最大后验估计

使用贝叶斯估计计算参数比较困难，所以简化为最大后验估计。
樂天·2015-01-03 11:00

结构化风险最小、VC维到SVM的理解

即样本误差结构风险：置信风险+经验风险结构风险最小化就是为了防止过拟合而提出来的策略，贝叶斯估计中最大后验概率估计就是结构风险最小化的一个例子。
huruzun·2014-12-08 00:00

机器学习问题方法总结

大类名称关键词有监督分类决策树信息增益分类回归树Gini指数，Χ2统计量，剪枝朴素贝叶斯非参数估计，贝叶斯估计线性判别分析Fishre判别，特征向量求解K最邻近相似度度量：欧氏距离、街区距离、编辑距离、
shenxiaoming77·2014-11-24 13:00

EM算法原理详解

1.引言以前我们讨论的概率模型都是只含观测变量(observablevariable),即这些变量都是可以观测出来的，那么给定数据，可以直接使用极大似然估计的方法或者贝叶斯估计的方法；但是当模型含有隐变量
90Zeng·2014-11-20 14:00

机器学习问题方法总结

www.cnblogs.com/zhangchaoyang/archive/2012/08/28/2660929.html大类名称关键词有监督分类决策树信息增益分类回归树Gini指数，Χ2统计量，剪枝朴素贝叶斯非参数估计，贝叶斯估计线性判别分析
u013524655·2014-11-13 17:00

说说贝叶斯估计

        首先容许我自我吐槽一下：++啊，到了烟酒生才知道有贝叶斯（bayes）这个神器----->概率记为pA；真是+++啊，还是修了机器学习课程才知道的-------->概率记为pB。pA*pB>0.01才导致了我知道贝叶斯。。好了，吐槽完毕！下面说说贝叶斯。   1.记得本科学过概率论，有一个公式当时只是做题用过：p(y|x)=p(x|y)*p(y)/p(x)。相当于由原因x--->结
g2s·2014-08-14 14:00

参数估计-最大似然估计、MAP及贝叶斯估计

               转自：http://blog.csdn.net/yangliuy/article/details/8296481 以PLSA和LDA为代表的文本语言模型是当今统计自然语言处理研究的热点问题。这类语言模型一般都是对文本的生成过程提出自己的概率图模型，然后利用观察到的语料数据对模型参数做估计。有了语言模型和相应的模型参数，我们可以有很多重要的应用，比如文本特征降维、文
u010545732·2014-04-19 18:00

参数估计（三）---贝叶斯估计

极大似然估计和极大后验概率估计，都求出了参数theta的值，而贝叶斯推断则不是，贝叶斯推断扩展了MAP（极大后验概率估计）方法，它根据参数的先验分布P(theta)和一系列观察X，求出参数theta的后验分布P(theta|X)，然后求出theta的期望值，作为其最终值。另外下面还定义了参数的一个方差量，来评估参数估计的准确程度或者置信度。在预测新事件发生的概率时，贝叶斯推断扩展了MAP方法，具体
u013884727·2014-04-12 21:00

参数估计（极大似然估计，极大后验概率估计，贝叶斯估计）

参数估计是学习一主题模型为基础的文本分析的先决条件，很多人直接看PLSA和LDA，看的云里雾里的，因为里面有很多的概率方面的术语和公式，比如likelihood，后验概率，共轭等。学习这些topicmodel，也不知道应该先去看什么，我认为，首先要看的就是参数估计。推荐一篇论文：Parameterestimationfortextanalysis。参数估计中，我们会遇到两个主要问题：（1）如何去估
u013884727·2014-04-12 17:00

变分推断学习笔记(1)——概念介绍

问题描述变分推断是一类用于贝叶斯估计和机器学习领域中近似计算复杂（intractable）积分的技术，它广泛应用于各种复杂模型的推断。本文是学习PRML第10章的一篇笔记，错误或不足的地方敬请指出。
piaoxuefengqi·2014-03-04 22:00

机器学习问题方法总结

大类名称关键词有监督分类决策树信息增益分类回归树Gini指数，Χ2统计量，剪枝朴素贝叶斯非参数估计，贝叶斯估计线性判别分析Fishre判别，特征向量求解K最邻近相似度度量：欧氏距离、街区距离、编辑距离、
yhdzw·2014-02-28 10:00

文本语言模型的参数估计-最大似然估计、MAP及贝叶斯估计

转自：http://blog.csdn.net/yangliuy/article/details/8296481以PLSA和LDA为代表的文本语言模型是当今统计自然语言处理研究的热点问题。这类语言模型一般都是对文本的生成过程提出自己的概率图模型，然后利用观察到的语料数据对模型参数做估计。有了语言模型和相应的模型参数，我们可以有很多重要的应用，比如文本特征降维、文本主题分析等等。本文主要介绍文本分析
woshizhouxiang·2013-12-25 15:00

学习笔记——数学之美番外篇：平凡而又神奇的贝叶斯方法

——拉普拉斯开篇的这句话很重要，贝叶斯方法就是要看常不常见的事物，现实世界中我们能观察到的都是比较靠谱的，简单的事物，符合我们的思想，而贝叶斯中的先验概率就是描述这一点，贝叶斯估计与最大似然
woshizhouxiang·2013-12-15 22:00

Variational Bayes

变分贝叶斯是一类用于贝叶斯估计和机器学习领域中近似计算复杂（intract
fennvde007·2013-11-20 09:00

最大似然估计&贝叶斯估计

最大似然估计&贝叶斯估计与传统计量模型相对的统计方法，存在1）参数的解释不同:经典估计:待估参数具有确定值它的估计量才是随机的。如果估计量是无偏的，该估计量的期望等于那个确定的参数。
·2013-09-22 20:00

最大似然估计和最大后验概率

极大似然估计和贝叶斯估计分别代表了频率派和贝叶斯派的观点。频率派认为，参数是客观存在的，只是未知而矣。
lzt1983·2013-08-21 07:00

机器学习问题方法总结

大类名称关键词有监督分类决策树信息增益分类回归树Gini指数，Χ2统计量，剪枝朴素贝叶斯非参数估计，贝叶斯估计线性判别分析Fishre判别，特征向量求解K最邻近相似度度量：欧氏距离、街区距离、编辑距离、
·2013-04-18 09:00

参数估计-最大似然估计、MAP及贝叶斯估计

转自：http://blog.csdn.net/yangliuy/article/details/8296481 以PLSA和LDA为代表的文本语言模型是当今统计自然语言处理研究的热点问题。这类语言模型一般都是对文本的生成过程提出自己的概率图模型，然后利用观察到的语料数据对模型参数做估计。有了语言模型和相应的模型参数，我们可以有很多重要的应用，比如文本特征降维、文本主题分析等等。本文主要介绍文本分
sangni007·2012-12-17 10:00

[置顶] 文本语言模型的参数估计-最大似然估计、MAP及贝叶斯估计

本文主要介绍文本分析的三类参数估计方法-最大似然估计MLE、最大后验概率估计MAP及贝叶斯估计。1、最大似然估计MLE首先回顾一下贝
yangliuy·2012-12-15 11:00

卡尔曼滤波

其他如风险准则的贝叶斯估计、最大似然估计、随机逼近等
bmbm546·2012-04-18 15:00

用于贝叶斯统计的R包

arm包:包括使用lm,glm,mer,polr等对象进行贝叶斯推断的R函数BACCO:随机函数的贝叶斯分析.包含3个子包:emulator,calibrator,andapproximator,进行贝叶斯估计和评价计算机程序
yugao1986·2012-01-05 20:00

paper and book阅读

  我微博每周读论文列表 #每周读论文# 1、Parameter estimation for text analysis很好的介绍了参数估计的方法：最大似然、最大后验、贝叶斯估计，以及以
fuliang·2011-06-28 23:00

paper and book阅读

  我微博每周读论文列表 #每周读论文# 1、Parameter estimation for text analysis很好的介绍了参数估计的方法：最大似然、最大后验、贝叶斯估计，以及以
fuliang·2011-06-28 23:00

paper and book阅读

阅读更多我微博每周读论文列表#每周读论文#1、Parameterestimationfortextanalysis很好的介绍了参数估计的方法：最大似然、最大后验、贝叶斯估计，以及以LDA为例的文本参数估计方法以及
fuliang·2011-06-28 23:00

关于极大似然估计 贝叶斯估计 和 最大后验概率(MAP)估计

首先，上述三种方法都是参数估计的方法，也就是需要预先知道/假设样本的分布形式，只是一些参数未知。而最大似然是最简单的形式，其假定参数虽然未知，但是是确定值，就是找到使得样本对数似然分布最大的参数。而最大后验，和最大似然很相似，也是假定参数未知，但是为确定数值。只是优化函数为后验概率形式，多了一个先验概率项。而贝叶斯和二者最大的不同在于，假定参数也是随机变量，不是确定值。在样本分布D上，计算参数所有
Yong_Luo·2010-12-23 16:00

多传感器信息融合技术在智能驾驶系统中的应用

关键词:贝叶斯估计 信息融合 障碍探测 智能驾驶 随着传感器技术、信息处理技术
linglongyouzhi·2009-03-20 22:00
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他