贝叶斯网络

概率图模型-原理与技术 第三章 贝叶斯网表示 习题与编程

原理与技术第三章贝叶斯网表示习题与编程概率图模型-原理与技术总目录http://blog.csdn.net/icefire_tyh/article/details/54026071#t39.关于一个一般的贝叶斯网络结构
四去六进一·2017-01-20 00:00

隐式马尔科夫模型

概率图模型采用图来表示随机变量之间的相关关系，最常见的概率图模型是采用有向无环图的贝叶斯网络和采用无向图的马尔科夫随机场。
-Finley-·2017-01-19 20:00

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

贝叶斯参数估计的理解

机器学习中常涉及贝叶斯网络，最终的问题都是转化为参数求解。贝叶斯参数估计是这些问题的基础版本。前方高能预警，本文的讲解比较理论。实际问题中我们会有很多数据，比如一篇文章中每个单词的词频等。
阿拉丁吃米粉·2016-12-03 13:54

概率图模型学习（2）——贝叶斯网络表示

本章的目的：1.说明概率分布中随机变量的独立性如何用于紧凑地表示高纬度分布。2.有向无圈图的建立。一．基本原理1.前面提到了独立性和条件独立性，这张中首先是分布参数化，并利用独立性减少参数，简化分布。2.独立性的运用——朴素贝叶斯模型（假设在某种条件下，所有变量两两互斥，那么所有变量的联合概率模型可以简化为各个个变量的条件概率相乘。）3.贝叶斯网上图是学生实力的贝叶斯图。学生事例伴随着整本书，本章
老笨妞·2016-11-14 10:50

PGM：有向图模型：贝叶斯网络

http://blog.csdn.net/pipisorry/article/details/52489270为什么用贝叶斯网络联合分布的显式表示Note:n个变量的联合分布，每个x对应两个值，共n个x
-柚子皮-·2016-09-09 17:10

机器学习-贝叶斯分类

一、朴素贝叶斯不用过多介绍，朴素贝叶斯的复杂度交底，当某种组合的概率很小的时候，需要拉普拉斯平滑二、属性加权的贝叶斯分类器三、结构拓展贝叶斯（类似于贝叶斯网络）四、最小错误和最小风险
Axel_uestc·2016-08-18 10:54

不同分类算法的优缺点是什么？

版你的训练集多大朴素贝叶斯NB的优点逻辑回归的优点决策树的优点SVMs的优点3不同分类算法的缺点是什么-WaleedKadous基于实例的学习技术如最近邻决策树和分水岭算法SVM神经网络逻辑回归朴素贝叶斯贝叶斯网络图像模型
一只小Kevin·2016-06-23 14:32

（EM算法）The EM Algorithm

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    
shubingzhuoxue·2016-06-16 16:00

时序分析：隐马尔可夫模型

    在AI综合领域，HMM模型是离散贝叶斯网络，最主要用于非确定性（概率）推理。  上次的文章被标记为链接，真是有意思。    
wishchin·2016-06-06 11:00

【3】机器学习之华山论剑：贝叶斯方法

贝叶斯方法=斯奥卡姆剃刀*极大似然估计同类问题：机器翻译，语音识别，语义识别Siri=机器学习+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
Mylin·2016-05-30 10:40

主题模型分析模型——pLSA

基于概率统计的pLSA模型（probabilisticLatentSemanticAnalysis，概率隐语义分析），增加了主题模型，形成简单的贝叶斯网络，可以使用EM算法学习模型参数。
努力是一种幸运·2016-05-25 23:34

概率图模型：贝叶斯网络与朴素贝叶斯网络

http://blog.csdn.net/pipisorry/article/details/51471222贝叶斯与频率派思想频率派思想   长久以来，人们对一件事情发生或不发生，只有固定的0和1，即要么发生，要么不发生，从来不会去考虑某件事情发生的概率有多大，不发生的概率又是多大。而且事情发生或不发生的概率虽然未知，但最起码是一个确定的值。比如如果问那时的人们一个问题：“有一个袋子，里面装着若
pipisorry·2016-05-23 10:00

概率图模型：贝叶斯网络

http://blog.csdn.net/pipisorry/article/details/51461997贝叶斯网络图模型的表示   为了理解有向图对于描述概率分布的作用,首先考虑三个变量a,b,c
pipisorry·2016-05-21 16:00

信息熵与贝叶斯网络

一、信息熵1.相对熵 又称互熵，交叉熵，KL散度。设p(x)、q(x)是X中取值的两个概率分布，则p对q的相对熵是相对熵可以度量两个随机变量的“距离”2.互信息两个随机变量X，Y的互信息，定义为X，Y的联合分布和独立分布乘积的相对熵。3.信息增益（可用于决策树构建）信息增益表示得知特征A的信息而使得类X的信息的不确定性减少的程度。定义：特征A对训练数据集D的信息增益g(D,A)，定义为集合D的经验
努力是一种幸运·2016-05-08 19:31

信息熵与贝叶斯网络

一、信息熵1.相对熵 又称互熵，交叉熵，KL散度。设p(x)、q(x)是X中取值的两个概率分布，则p对q的相对熵是相对熵可以度量两个随机变量的“距离”2.互信息两个随机变量X，Y的互信息，定义为X，Y的联合分布和独立分布乘积的相对熵。3.信息增益（可用于决策树构建）信息增益表示得知特征A的信息而使得类X的信息的不确定性减少的程度。定义：特征A对训练数据集D的信息增益g(D,A)，定义为集合D的经验
American199062·2016-05-08 19:00

机器学习中的隐马尔科夫模型（HMM）详解

前导性推荐阅读资料：从朴素贝叶斯分类器到贝叶斯网络（上）从朴素贝叶斯分类器到贝叶斯网络（下）欢迎关注白马负金羁的博客http://blog.csdn.net/baimafujinji，为保证公式、图表得以正确显示
白马负金羁·2016-05-01 16:46

机器学习中的隐马尔科夫模型（HMM）详解

前导性推荐阅读资料：从朴素贝叶斯分类器到贝叶斯网络（上）从朴素贝叶斯分类器到贝叶斯网络（下）欢迎关注白马负金羁的博客http://blog.csdn.net/baimafujinji，为保证公式、图表得以正确显示
baimafujinji·2016-05-01 16:00

机器学习算法----贝叶斯网络

本文转自：http://www.cnblogs.com/leoo2sk/archive/2010/09/18/bayes-network.html原文作者：张洋说实话贝叶斯网络还没有完全搞懂，在这里只给大家一个简单的解释
Sunshine_in_Moon·2016-04-28 17:00

（EM算法）The EM Algorithm

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。
知识天地·2016-04-28 16:00

MachineLearning—Generative Learning algorithms

这一节我们介绍机器学习课程当中的GenerativeLearningalgorithms生成学习算法，此算法与我们之前学习的逻辑回归等算法不太一样，它主要利用了贝叶斯公式为核心，也因此随后我们将引入朴素贝叶斯，贝叶斯网络等等算法
qq_14959801·2016-04-27 22:00

笑谈贝叶斯网络（干货）上

大数据、人工智能、海难搜救、生物医学、邮件过滤，这些看起来彼此不相关的领域之间有什么联系？答案是，它们都会用到同一个数学公式——贝叶斯公式。大数据、人工智能、海难搜救、生物医学、邮件过滤，这些看起来彼此不相关的领域之间有什么联系？答案是，它们都会用到同一个数学公式——贝叶斯公式。它虽然看起来很简单、很不起眼，但却有着深刻的内涵。那么贝叶斯公式是如何从默默无闻到现在广泛应用、无所不能的呢？18世纪英
u011001084·2016-04-23 11:00

Naive Bayes算法（朴素贝叶斯算法）

应用贝叶斯网络分类器进行分类主要分成两阶段。第一阶段是贝叶斯网络分类器的学习，即从样本数据中构造分类器，包括结构学习和CPT学习；第二阶段是贝叶斯网络分
Jkwwwwwwwwww·2016-04-19 23:00

机器学习：贝叶斯_3：贝叶斯网络

有向无环图特殊的贝叶斯网络结点形成的链式网络，马尔科夫链Ai+1只和Ai有关系，与其他无关贝叶斯网络判定条件独立-1在c给定的条件下，a,b是被阻断，是独立的。
mijian1207mijian·2016-04-10 16:00

EM算法

EM算法被用于训练贝叶斯网络、径向基函数网络，也是许多非监督聚类算法、学习部分可观察马尔科夫模型的广泛使用的Baum-Welch前向后向算法的基础。同类的其他优化算法有：梯度下降、线
foolsnowman·2016-01-29 21:00

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
u010366427·2016-01-25 22:00

EM 算法的推导和解释

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
yywan1314520·2016-01-11 20:00

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

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。
junli_chen·2016-01-09 21:21

贝叶斯信念网络和马尔科夫链有什么区别

可以讲，马尔可夫链是贝叶斯网络的特例，而贝叶斯网络是马尔可夫链的推广。马尔可夫链(MarkovChain)，它描述了一种状态序列，其每个状态值取决于前面有限个状态。
junli_chen·2016-01-09 20:50

从朴素贝叶斯分类器到贝叶斯网络（下）

书接上文：从朴素贝叶斯分类器到贝叶斯网络（上）三、贝叶斯网络贝叶斯网络（BayesianNetwork）是一种用于表示变量间依赖关系的数据结构，有时它又被称为信念网络（BeliefNetwork）或概率网络
白马负金羁·2016-01-04 00:20

从朴素贝叶斯分类器到贝叶斯网络（下）

书接上文：从朴素贝叶斯分类器到贝叶斯网络（上）三、贝叶斯网络贝叶斯网络（BayesianNetwork）是一种用于表示变量间依赖关系的数据结构，有时它又被称为信念网络（BeliefNetwork）或概率网络
baimafujinji·2016-01-04 00:00

从朴素贝叶斯分类器到贝叶斯网络（上）

一、贝叶斯公式（一些必备的数学基础）贝叶斯（ThomasBayes）是生活在十八世纪的一名英国牧师和数学家。因为历史久远，加之他没有太多的著述留存，今天的人们对贝叶斯的研究所知甚少。唯一知道的是，他提出了概率论中的贝叶斯公式。但从他曾经当选英国皇家科学学会会员（类似于院士）来看，他的研究工作在当时的英国学术界已然受到了普遍的认可。事实上，在很长一段时间里，人们都没有注意到贝叶斯公式所潜藏的巨大价值
白马负金羁·2015-12-31 16:03

从朴素贝叶斯分类器到贝叶斯网络（上）

一、贝叶斯公式（一些必备的数学基础）      贝叶斯（ThomasBayes）是生活在十八世纪的一名英国牧师和数学家。因为历史久远，加之他没有太多的著述留存，今天的人们对贝叶斯的研究所知甚少。唯一知道的是，他提出了概率论中的贝叶斯公式。但从他曾经当选英国皇家科学学会会员（类似于院士）来看，他的研究工作在当时的英国学术界已然受到了普遍的认可。      事实上，在很长一段时间里，人们都没有注意到贝
baimafujinji·2015-12-31 16:00

机器学习 —— 概率图模型（贝叶斯网络）

概率图模型（PGM）是一种对现实情况进行描述的模型。其核心是条件概率，本质上是利用先验知识，确立一个随机变量之间的关联约束关系，最终达成方便求取条件概率的目的。1.从现象出发---这个世界都是随机变量这个世界都是随机变量。第一，世界是未知的，是有多种可能性的。第二，世界上一切都是相互联系的。第三，随机变量是一种映射，把观测到的样本映射成数值的过程叫做随机变量。上述三条原则给了我们以量化描述世界的手
IronStark·2015-12-29 21:00

算法还重要吗？

其实这最近一周时间都在看算法在数据挖掘和存储处理性能上运用.当然这也引起我个人的一些对算法的思考.正好昨天晚上看到张洋同学的算法杂货铺——分类算法之贝叶斯网络(Bayesiannetworks)一篇文章
·2015-12-09 12:12

（EM算法）The EM Algorithm

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。
GarfieldEr007·2015-11-27 11:00

（EM算法）The EM Algorithm

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。
lcj1105·2015-11-24 20:00

数据挖掘十大经典算法(9) 朴素贝叶斯分类器 Naive Bayes

贝叶斯网络是一个带有概率凝视的有向无环图，图中的每个结点均表示一个随机变量,图中两结点 间若存在着一条弧，则表示这两
·2015-11-13 20:15

十大经典数据挖掘算法(9) 朴素贝叶斯分类器 Naive Bayes

贝叶斯网络是一个带有概率凝视的有向无环图，图中的每个结点均表示一个随机变量,图中两结点 间若存在着一条弧。则表示这两结点相相应
·2015-11-13 18:35

数据挖掘十大经典算法(9) 朴素贝叶斯分类器 Naive Bayes

贝叶斯网络是一个带有概率凝视的有向无环图，图中的每个结点均表示一个随机变量,图中两结点 间若存在着一条弧，则表示这两
·2015-11-13 17:18

数据挖掘十大经典算法(9) 朴素贝叶斯分类器 Naive Bayes

贝叶斯网络是一个带有概率凝视的有向无环图，图中的每个结点均表示一个随机变量,图中两结点 间若存在着一条弧，则表示这两
·2015-11-13 16:28

数据挖掘十大经典算法(9) 朴素贝叶斯分类器 Naive Bayes

贝叶斯网络是一个带有概率凝视的有向无环图，图中的每个结点均表示一个随机变量,图中两结点 间若存在着一条弧，则表示这两
·2015-11-13 08:14

Naive Bayes和贝叶斯网络

;;朴素贝叶斯和贝叶斯信念网络（简称贝叶斯网络）是数据挖掘和机器学习中基本的分类算法，其理论基础都是贝叶斯定理。;;1，回归模型和生成模型;;有监督的分类问题可以分为两大类，回归模型和生成模型。
·2015-11-13 05:09

数据挖掘十大经典算法(9) 朴素贝叶斯分类器 Naive Bayes

贝叶斯网络是一个带有概率凝视的有向无环图，图中的每个结点均表示一个随机变量,图中两结点 间若存在着一条弧，则表示这两
·2015-11-13 00:17

EM算法

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.
·2015-11-12 22:00

数据挖掘（算法概要链接）

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
·2015-11-12 09:43

关于Bayes网络新解

经典贝叶斯网络 　　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。
·2015-11-11 09:01

数据挖掘十大经典算法(9) 朴素贝叶斯分类器 Naive Bayes

贝叶斯网络是一个带有概率凝视的有向无环图，图中的每个结点均表示一个随机变量,图中两结点 间若存在着一条弧，则表示这两
·2015-11-11 02:42

数据挖掘十大经典算法(9) 朴素贝叶斯分类器 Naive Bayes

贝叶斯网络是一个带有概率凝视的有向无环图，图中的每个结点均表示一个随机变量,图中两结点 间若存在着一条弧，则表示这两
·2015-11-08 10:26

数据挖掘十大经典算法(9) 朴素贝叶斯分类器 Naive Bayes

贝叶斯网络是一个带有概率凝视的有向无环图，图中的每个结点均表示一个随机变量,图中两结点 间若存在着一条弧，则表示这两
·2015-11-02 19:12
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他