贝叶斯（Bayesian）

模式识别——1.贝叶斯决策论Bayesian decision theory_P1

知识架构(P1+P2)概要最小误差率贝叶斯决策最小风险贝叶斯决策分类器设计高斯密度下的判别函数1.1概要先验概率：根据经验或以往数据分析得到的概率。后验概率：在得到数据后再重新加以修正的概率。
Druid_C·2023-10-24 05:32

模式识别——高斯分类器

模式识别——高斯分类器需知定义特殊情况（方差一致）Sigmoid需知所有问题定义在分类问题下，基于贝叶斯决策定义条件概率为多元高斯分布，此时观测为向量X=X1,X2,...,XnX={X_1,X_2,.
季马宝宝·2023-10-24 05:01

概率论_概率公式中的分号(；)、逗号(,)、竖线(|) 及其优先级

目录1.概率公式中的分号(;)、逗号(,)、竖线(|)2.各种概率相关的基本概念2.1联合概率2.2条件概率（定义）2.3全概率(乘法公式的加强版)2.4贝叶斯公式贝叶斯定理的公式推导1.概率公式中的分号
惊鸿一博·2023-10-24 05:26

【Bayes-LSTM预测】基于贝叶斯优化算法优化长短期记忆网络的数据分类预测研究（Matlab代码实现）

本文目录如下：目录1概述2运行结果3参考文献4Matlab代码及数据1概述贝叶斯优化算法是一种用于优化黑盒函数的算法，它通过在每次迭代中选择最有可能带来最大收益的参数组合来逐步逼近最优解。
长安程序猿·2023-10-24 00:46

一种融合偶然和认知不确定性的贝叶斯深度学习RUL框架

_原文：_《《ABayesianDeepLearningRULFrameworkIntegratingEpistemicandAleatoricUncertainties》_作者__：_GaoyangLia，LiYangb，Chi-GuhnLeec，XiaohuaWangd，MingzheRonge_作者单位：__a.SchoolofElectricalEngineering,StateKeyLa
mingqian_chu·2023-10-23 17:30

变分贝叶斯深度学习综述

**©PaperWeekly原创·作者|**薛博阳**单位|**香港中文大学**研究方向|**语言模型引言近年来，贝叶斯深度学习（BayesianDeepLearn-ing）在诸多领域得到广泛关注应用，
mingqian_chu·2023-10-23 17:00

100天搞定机器学习|Day15 朴素贝叶斯

Day15，开始学习朴素贝叶斯，先了解一下贝爷，以示敬意。
统计学家·2023-10-23 01:07

朴素贝叶斯分类器（Naive Bayes Classifier）

朴素贝叶斯分类器（NaiveBayesClassifier）是一类基于贝叶斯定理的简单概率分类算法。它是一种有监督学习算法，常用于文本分类、垃圾邮件过滤、情感分析等问题。
亿星海·2023-10-23 00:55

机器学习之朴素贝叶斯分类器原理详解、公式推导（手推）、面试问题、简单实例（python实现，sklearn调包）

目录1.朴素贝叶斯原理1.1.特性1.2.思路2.公式推导3.简单实例3.1.数据集脱单数据集2.0脱单数据集1.0西瓜数据集3.2.python实现3.3.sklearn实现3.4.实验结果4.几个注意点
铖铖的花嫁·2023-10-23 00:53

【论文阅读】Bayesian Optimization Enhanced Deep Reinforcement Learning for Trajectory Planning and Network

文章目录论文基本信息摘要1.引言2.相关工作A.Multi-UAVCooperativeNetworksB.DRLforUAV-AssistedWirelessNetworksC.Multi-AgentDRLforTrajectoryOptimization3.系统模型A.Time-SlottedFly-Sense-OffloadProtocolB.U2ULinksandNetworkFormat
小威W·2023-10-22 13:57

人工智能数学知识

矩阵线性变换特征值特征向量；奇异值奇异值分解1线性代数是人工智能的数学基础之一2线性代数的核心意义在于将具体事物抽象为数学对象3线性代数描述着食物的静态（向量）和（动态变换）的特征2概率论与统计随机事件；条件概率全概率贝叶斯概率统计量常见分布
你美依旧·2023-10-22 09:24

机器学习

应用：决策树，朴素贝叶斯分类，最小二乘线性回归，主成分分析等
Strawstars·2023-10-22 04:36

这是一个小“废”贴

数据处理Pandas数据处理二，机器学习上课进度及练习应用部分生成自己的数据集广义线性模型交叉验证：评估估算器的表现计算f1_score数据降维特征选择集成学习1，k-邻近算法2，线性回归3，决策树4，朴素贝叶斯算法
壮壮不太胖^QwQ·2023-10-22 04:16

月有阴晴圆缺，此事古难全：概率论

概率论关注的是生活中的不确定性或可能性；频率学派认为先验分布式固定的，模型参数要最大似然估计计算；贝叶斯学派认为先验分布式随机的，模型参数要考后验概率最大化计算；正太分布是最重要的一种随机变量的分布。
编程回忆录·2023-10-22 01:47

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

回归预测 | MATLAB实现BO-GRU贝叶斯优化门控循环单元多输入单输出回归预测

回归预测|MATLAB实现BO-GRU贝叶斯优化门控循环单元多输入单输出回归预测目录回归预测|MATLAB实现BO-GRU贝叶斯优化门控循环单元多输入单输出回归预测效果一览基本介绍模型搭建程序设计参考资料效果一览基本介绍
机器学习之心·2023-10-21 19:58

回归预测 | MATLAB实现BO-BiGRU贝叶斯优化双向门控循环单元多输入单输出回归预测

回归预测|MATLAB实现BO-BiGRU贝叶斯优化双向门控循环单元多输入单输出回归预测目录回归预测|MATLAB实现BO-BiGRU贝叶斯优化双向门控循环单元多输入单输出回归预测效果一览基本介绍模型搭建程序设计参考资料效果一览基本介绍
机器学习之心·2023-10-21 19:58

BPR-贝叶斯个性化排序

贝叶斯个性化排序(BayesianPersonalizedRanking,以下简称BPR)背景为什么要设计BPR算法呢，因为在有些推荐场景下，我们并不是想知道用户对某个商品的评分或者喜好，我们只想知道用户对某些商品的特殊偏好
雪茸川·2023-10-21 19:01

机器学习可解释性【随机森林规则提取】

本文主要讲：模型可解释性方案有哪些随机森林规则提取的方法有哪些随机森林规则提取，如何实现相关工作模型可解释性方案可分为：事前可解释性建模：有些模型自带可解释性，如：朴素贝叶斯、线性回归、决策树、基于规则的模型
细卷子·2023-10-21 05:44

朴素贝叶斯算法

1、什么是朴素贝叶斯分类方法2、概率基础2.1、概率(Probability)定义概率定义为一件事情发生的可能性扔出一个硬币，结果头像朝上某天是晴天P(X):取值在[0,1]2.2、女神是否喜欢计算案例在讲这两个概率之前我们通过一个例子
靓仔写sql·2023-10-21 04:53

干货 | 贝叶斯结构模型在全量营销效果评估的应用

作者简介Yiwen，携程数据分析师，专注用户增长、因果推断、数据科学等领域。一、背景如何科学地推断某个产品策略对观测指标产生的效应非常重要，这能够帮助产品和运营更精准地得到该策略的价值，从而进行后续方向的迭代及调整。在因果推断框架下，效果评估的黄金准则一定是“AB实验”，因为实验的分流被认为是完全随机且均匀的，在此基础上对比实验组与对照组的指标差异就可以体现某个干预带来的增量值。但是很多场景下，我
携程技术·2023-10-20 20:03

贝叶斯分类算法实例 --根据姓名推测男女

一.从贝叶斯公式开始贝叶斯分类其实是利用用贝叶斯公式，算出每种情况下发生的概率，再取概率较大的一个分类作为结果。
大数据_zzzzMing·2023-10-20 12:25

SnowNLP使用自定义语料进行模型训练

SnowNLP是一个功能强大的中文文本处理库，它囊括了中文分词、词性标注、情感分析、文本分类、关键字/摘要提取、TF/IDF、文本相似度等诸多功能，像隐马尔科夫模型、朴素贝叶斯、TextRank等算法均在这个库中有对应的应用
qq_30895747·2023-10-20 12:12

机器学习中参数优化调试方法

常用的调参方法有：人工手动调参网格/随机搜索(Grid/RandomSearch)贝叶斯优化(BayesianOptimization)注：超参数vs模型参数差异超参数是控制模型学习过程的(如网络层数、
金戈鐡馬·2023-10-20 05:31

《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

35 机器学习（三）：混淆矩阵|朴素贝叶斯|决策树|随机森林

文章目录分类模型的评估混淆矩阵精确率和召回率接口介绍其他的补充朴素贝叶斯基础原理介绍拉普拉斯平滑下面给出应用的例子朴素贝叶斯的思辨决策树基础使用基本原理信息熵信息增益信息增益率Gini指数剪枝api介绍随机森林
Micoreal·2023-10-19 23:46

深入浅出数据分析pdf.mobi.txt.epub免费下载

城通网盘-50TB超大网盘作者：迈克尔•米尔顿简介：《深入浅出数据分析》以类似“章回小说”的活泼形式，生动地向读者展现优秀的数据分析人员应知应会的技术：数据分析基本步骤、实验方法、最优化方法、假设检验方法、贝叶斯统计方法
爱书及乌·2023-10-19 18:16

垃圾邮件(短信)分类算法实现 机器学习 深度学习 计算机竞赛

文章目录0前言2垃圾短信/邮件分类算法原理2.1常用的分类器-贝叶斯分类器3数据集介绍4数据预处理5特征提取6训练分类器7综合测试结果8其他模型方法9最后0前言优质竞赛项目系列，今天要分享的是垃圾邮件(
Mr.D学长·2023-10-19 16:14

关联分析和分类的区别应用

分类有很多经典的算法：决策树、回归、贝叶斯、支持向量机等等....关联分析是在交易数据、关系数据或其他信息载体中，查找存在于项目集合或对象集合之间的频繁模式、关联、相关性或因果结构，是发现商品之间的关联联系当然关联分析也可以用于分类
enhengz·2023-10-19 15:08

机器学习中的频率派和贝叶斯派-以极大似然估计和最大后验估计为例

前言把概率引进到机器学习当中是一件很自然的事情，许多机器学习当中问题的本质都可以从概率中的频率派（Frequentist）或贝叶斯派（Bayesian）的观点去看待，学习越成体系，对这点的感受就越多。
CristianoC·2023-10-19 14:25

中国xx集团信息技术工程师面试

这门课主要介绍了数据的一些相关定义，以及一些相关的模型，例如：k近邻、贝叶斯、决策树等等的算法。我们平常做实验都是利用鸢尾花的数据集，他是个有标签的数据集，
zkzq·2023-10-19 13:43

朴素贝叶斯：基于概率论的分类模型

朴素贝叶斯是建立在贝叶斯定理上的一种分类模型，贝叶斯定理是条件概率的一种计算方式，公式如下通过比较不同事件发生的概率，选取概率大的事件作为最终的分类。
生信修炼手册·2023-10-19 10:31

机器学习3——朴素贝叶斯（基于概率论的分类方法）

文章目录贝叶斯公式条件概率全概率公式贝叶斯公式先验概率、后验概率朴素贝叶斯朴素贝叶斯模型优缺点使用朴素贝叶斯过滤垃圾邮件贝叶斯公式条件概率事件（结果）：A原因（条件）：B公式：P(B∣A)=P(AB)P
张好好-学习·2023-10-19 10:31

《机器学习实战》— 基于概率论的分类方法：朴素贝叶斯

一、朴素贝叶斯算法中相关概念介绍1、朴素贝叶斯算法优缺点优点：可以处理多类别问题，在数据较少的情况下依然有效缺点：对输入数据的准备方式较敏感2、适用类型：标称型函数3、基于贝叶斯决策的分类方法如果p1(
知更鸟女孩·2023-10-19 10:28

机器学习实战--基于概率论的分类方法：朴素贝叶斯

前言：朴素贝叶斯算法是有监督的学习算法，解决的是分类问题，如客户是否流失、是否值得投资、信用等级评定等多分类问题。
aaaaPIKACHU·2023-10-19 10:24

机器学习——基于概率论的分类方法：朴素贝叶斯

朴素贝叶斯(naiveBayes)算法是基于贝叶斯定理与特征条件独立假设的分类方法，对于给定的训练数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布，然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出
fishsmans·2023-10-19 10:24

朴素贝叶斯（基于概率论）

释义贝叶斯定理是“由果溯因”的推断，所以计算的是"后验概率"其中：P(A|B)表示在事件B已经发生的条件下，事件A发生的概率。P(B|A)表示在事件A已经发生的条件下，事件B发生的概率。
怎么全是重名·2023-10-19 10:52

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

《机器学习----简单的分类器》第二章、朴素贝叶斯，项目：使用特征值给语句打标签

贝叶斯分类器1,朴素贝叶斯算法1.朴素贝叶斯算法、2.算法思路3.贝叶斯定理4.特征的选用的要求和处理2，算法应用1文本分类2垃圾邮件过滤3情感分析3.朴素贝叶斯的优缺点1.优点2.缺点项目实践1，算法流程
司职在下·2023-10-19 09:40

《机器学习分类器 二》——朴素的贝叶斯算法，项目实践，算法实践。

1,朴素贝叶斯算法的介绍1.朴素贝叶斯算法定义朴素贝叶斯算法是基于概率统计的分类方法。它的核心思想是利用贝叶斯定理来估计在给定特征的条件下某个类别的概率，然后选择具有最高概率的类别作为预测结果。
司职在下·2023-10-19 09:31

第六讲：非线性优化（上）

第六讲：非线性优化（上）文章目录第六讲：非线性优化（上）1概率论与统计学基础1.1概率与统计关系1.2概率密度函数1.3贝叶斯公式1.4矩1.5方差与协方差矩阵1.5.1方差1.5.2协方差矩阵1.5.3
兔子不吃草～·2023-10-19 07:36

人群密度估计--论文阅读：DM-Count

DM-Count论文翻译摘要一.介绍二.先前的工作2.1人群计数方法2.2最优传输三.DM-Count：用于人群计数的分布匹配四.泛化边界和理论分析4.1高斯平滑方法的广义误差界4.2不确定的贝叶斯损失
林书芹·2023-10-19 04:29

贝叶斯学习

贝叶斯学习文章目录贝叶斯学习相关概率知识朴素贝叶斯多维正态密度贝叶斯贝叶斯学习主要是依靠先验概率来推出后验概率，然后更具后验概率去验证。其主流分为朴素贝叶斯和高斯分布下的贝叶斯估计。
Gowi_fly·2023-10-19 02:42

指数随机变量 泊松过程跳_数据挖掘图书：应用随机过程:概率模型导论(第10版) [平装]...

第1章概率论引论1.1引言1.2样本空间与事件1.3定义在事件上的概率1.4条件概率1.5独立事件1.6贝叶斯公式习题参考文献第2章随机变量2.1随机变量2.2离散随机变量2.2.1伯努利随机变量2.2.2
奈若何丷·2023-10-19 00:55

高斯朴素贝叶斯

TIME:2018-05-17sklearn.naive_bayes.GaussianNB当特征是连续变量的时候，运用多项式模型就会导致很多P(xi|yk)=0P(xi|yk)=0（不做平滑的情况下），此时即使做平滑，所得到的条件概率也难以描述真实情况。所以处理连续的特征变量，应该采用高斯模型公式:image参数:GaussianNB(priors=None)priors：默认None属性:pri
niartnelis·2023-10-18 11:48

机器学习相关数学基础——概率论知识点1

1.全概率公式与贝叶斯公式回顾2.泊松分布3.协方差与相关系数4.极大似然估计5.协方差矩阵6.中心极限定理即定义：指的是给定一个任意分布的总体，每次从这些总体中随机抽取n个抽样，一共抽取m此，然后又把这
HSR CatcousCherishes·2023-10-18 08:02

【黑马程序员】机器学习

（一）机器学习概述一、机器学习算法分类1、监督学习：（1）目标值是类别：分类问题k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归（2）目标值是连续型的数据：回归问题线性回归、岭回归2、非监督学习：（
我感觉。·2023-10-18 07:08

朴素贝叶斯对新闻文本分类

朴素贝叶斯广泛应用于文本分类任务中，包括互联网新闻的分类和垃圾邮件的分类等。
让时间来沉淀吧·2023-10-18 01:30

利用贝叶斯的方法获得cell cluster的marker基因

celltype的marker基因，它们的表达量一定具有celltype特异性的假设单细胞表达矩阵为m×n的单细胞表达矩阵，m个基因和n个cell，并且n个细胞划分到了k个cellcluster里面，作者通过贝叶斯公式
小潤澤·2023-10-18 01:20

机器学习算法综述——有监督学习

CART之间的区别二、线性模型家族1.线性回归（岭回归和LASSO回归）2.线性分类（线性判别分析LDA和感知器算法）1.支持向量机SVM2.Logistic回归3.MLP多层感知机（人工神经网络）三、贝叶斯分类器家族
weixin_39687788·2023-10-17 22:22
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他