贝叶斯（Bayesian）

贝叶斯学习

条件概率条件概率是带有某些（前提条件）背景约束的概率问题。通常条件概率的记号是p(A|B)表示在给定的条件B下，A事件发生的概率。联合概率联合概率是指两个事件同时发生的概率。p(A和B)是A和B事件的发生都为真的概率。公式：p(AandB)=p(A)p(B|A)如果事件A的结果不影响事件B发生的概率，则p(B|A)=P(B)，公式可以表示为p(AandB)=p(A)p(B)投2枚硬币，A表示第一个
woniuxia·2024-01-03 12:19

常见推断方法一览：极大似然估计、最大后验估计、期望最大化、贝叶斯推断、马尔科夫链蒙特卡洛方法、变分推断

常见推断方法一览推断方法区别频率派极大似然估计MLE最大后验估计MAP期望最大化EM贝叶斯推断Bayesian马尔科夫链蒙特卡洛方法MCMC变分推断VI推断方法区别极大似然估计(MaximumLikelihoodEstimation
Debroon·2024-01-03 10:57

深度学习从入门到不想放弃-5

居然第四集是11月5号写的，这25天可见发生了多少事情...今天我们讲讲特征，算是基础篇的一个番外篇延伸，我省着在后面的文章里写了，怕扰乱了思路严格来说这个属于基础机器学习领域里的了，我又不讲决策树，贝叶斯
周博洋K·2024-01-03 05:25

朴素贝叶斯算法来识别垃圾文本

在电商平台中有大量的垃圾或者欺诈消息msg，如何识别召回这些垃圾消息是风控经常遇到的问题，今天我们来尝试用传统的朴素贝叶斯分类算法来挖掘分类模型来识别垃圾消息下面的样本中，标签1是垃圾消息，标签0是正常消息训练样本
阿君聊风控·2024-01-02 23:40

[概率论]四小时不挂猴博士

贝叶斯公式是什么贝叶斯公式是概率论中的一个重要定理，用于计算在已知一些先验信息的情况下，更新对事件发生概率的估计。
东北霸主劳德利·2024-01-02 23:32

09-《黑客与画家》-第八篇：防止垃圾邮件的一种方法

本章主要写了作者针对垃圾邮件筛选提出的自己的解决之道,重点是贝叶斯算法。
换行敲回车·2024-01-02 00:29

53-听课笔记《贝叶斯推断》

贝叶斯推断可以帮你找到出路。一、什么是贝叶斯推断贝叶斯推断是主观的，基于你对一件事发生的信心。坏处是主观，所以可能坐井观天，好处是可以无中生有，至少不怕没选择。它先入为主，不限频次。
墨一凡·2024-01-01 14:43

自然语言处理(第17课 文本分类和聚类)

一、学习目标1.学习文本分类的两种传统机器学习方法：朴素贝叶斯和支持向量机2.学习文本分类的深度学习方法3.学习文本分类的性能评估标准4.学习文本聚类的相似性度量、具体算法、性能评估二、文本分类1.概述将文本分类
komjay·2024-01-01 08:13

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

【读书笔记】网空态势感知理论与模型（三）

7.3方向3的研究成果（态势知识融合）7.3.1使用贝叶斯网络实现网空态势融合提出了两种使用BN的网空态势感知的方法：（1）构建跨层的贝叶斯网络，推断出云环境企业“孤岛”之间的隐蔽连接“桥梁”；在云环境中实现网空态势感知
xian_wwq·2023-12-31 18:54

朴素贝叶斯（NBM，Naive Bayesian Model）, NB 算法 简介

朴素贝叶斯（NBM，NaiveBayesianModel）,NB算法分类算法在贝叶斯原理的基础上，预先假定了特征与特征之间的相互独立。
草明·2023-12-31 10:34

初识人工智能，一文读懂贝叶斯优化和其他算法的知识文集(8)

作者简介，普修罗双战士，一直追求不断学习和成长，在技术的道路上持续探索和实践。多年互联网行业从业经验，历任核心研发工程师，项目技术负责人。欢迎点赞✍评论⭐收藏人工智能知识专栏学习人工智能云集访问地址备注人工智能(1)https://blog.csdn.net/m0_50308467/article/details/134830998人工智能专栏人工智能(2)https://blog.csdn.ne
普修罗双战士·2023-12-31 08:02

时序分解 | Matlab实现贝叶斯变化点检测与时间序列分解

时序分解|Matlab实现贝叶斯变化点检测与时间序列分解目录时序分解|Matlab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
机器学习之心·2023-12-31 08:17

机器学习系列 - 3. 数据预处理

一.KNN优缺点及KD-Tree1)KNN优缺点：KNN的主要优点有：理论成熟，思想简单，既可以用来做分类也可以用来做回归天然解决多分类问题，也可用于回归问题和朴素贝叶斯之类的算法比，对数据没有假设，准确度高
小蘑菇1962·2023-12-31 07:31

自然语言处理3——玩转文本分类 - Python NLP高级应用

目录写在开头1.文本分类的背后原理和应用场景1.1文本分类的原理1.2文本分类的应用场景2.使用机器学习模型进行文本分类（朴素贝叶斯、支持向量机等）2.1朴素贝叶斯2.1.1基本原理2.1.2数学公式2.1.3
theskylife·2023-12-31 05:56

概率图模型（PGM）：贝叶斯网（Bayesian network）初探

1.从贝叶斯方法（思想）说起-我对世界的看法随世界变化而随时变化用一句话概括贝叶斯方法创始人ThomasBayes的观点就是：任何时候，我对世界总有一个主观的先验判断，但是这个判断会随着世界的真实变化而随机修正
虫小宝·2023-12-30 20:36

第五章 概率与概率分布

记为P(A|B)=P(AB)/P(B)事件的独立性、全概率公式、贝叶斯公式随机变量，一般用大写字母X,Y,Z表示，可以表示如取到次品的个数，顾客数，顾客性别.具体情况见下表：（主要理解定义）试验随机变量可能的取值抽查
热爱生活的五柒·2023-12-30 20:31

毕业设计：热门旅游景点大数据分析系统+可视化 +贝叶斯预测模型 旅游大数据 （附源码）✅

1、项目介绍技术栈：Flask框架、requests爬虫、Echarts可视化、MySQL数据库、贝叶斯预测模型利用网络爬虫技术从马蜂窝网站
vx_biyesheji0001·2023-12-30 18:23

【Python百宝箱】优化 Python 中的科学计算与建模：从 SymPy 到 Optuna

从SymPy提供的符号计算，到scikit-optimize的贝叶斯优化，再到NumPy和SciPy的数值计算和统计建模，以及利用Statsmodels进行回归分析和时间序列分析，再到PyMC3的贝叶斯统计建模
friklogff·2023-12-30 14:51

最大后验概率法

在贝叶斯统计中，最大后验概率（maximumaposteriori,MAP）估计是对后验分布的模的估计。MAP可根据经验数据获得未观测量的点估计。
一碗姜汤·2023-12-30 13:04

变分贝叶斯近似

变分近似（variationalapproximations）或变分推断（variationalinference）可用于拟合贝叶斯模型（Jordanetal.1999）。
一碗姜汤·2023-12-30 13:04

【AI】人工智能爆发推进器之变分自动编码器

变分自动编码器是一种基于变分贝叶斯方法的深度学习模型，用于学习数据分布的潜在表示。它通过最大化数据的对数似然下界（ELBO）来学习数据生成过程。VAE由两部分
giszz·2023-12-29 21:13

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

数据科学家应当了解的五个统计基本概念

摘要：本文讲述了数据科学家应当了解的五个统计基本概念：统计特征、概率分布、降维、过采样/欠采样、贝叶斯统计从高的角度来看，统计学是一种利用数学理论来进行数据分析的技术。
城市中迷途小书童·2023-12-29 21:51

机器学习笔记（11）：贝叶斯学习（1）

这是第11篇，介绍了监督学习中的贝叶斯学习模型（1）。朴素贝叶斯朴素贝叶斯是一个分类模型，如下图所示，有正反两类样本数据点，该模型寻找出一个决策边界正确地将两类数据分隔开来。模型的背后是贝叶斯规则。
链原力·2023-12-29 09:33

数据挖掘 分类模型选择

选择的模型有：决策树、朴素贝叶斯、K近邻、感知机调用的头文件有：importnumpyasnpimportpandasaspdfrommatplotlibimportpyplotaspltfromsklearn.linear_modelimportPerceptronfromsklearn.naive_bayesimportGaussianNBfromsklearn.neighborsimport
亖嘁·2023-12-29 09:31

机器学习笔记

数据模型预测1.3算法分类数据集：特征值+目标值1.3.1监督学习目标值分类类别分类问题连续型的数据回归问题（1）分类K-近邻算法、贝叶斯
王小白学习·2023-12-29 08:18

贝叶斯算法的故事丨机器学习一文解读

今天分享的内容是贝叶斯算法的核心原理与应用，接下来，通过一个小故事让你快速理解贝叶斯。
生信分析笔记·2023-12-29 08:45

模型调参

模型调参模型调参的具体操作1.学习目标2.模型对比与性能2.1逻辑回归2.2决策树模型2.3集成模型集成方法（ensemblemethod）2.4模型评估方法3.模型调参的三种方法3.1贪心算法3.2网格调参3.3贝叶斯调参
alstonlou·2023-12-28 23:43

数据分析入门自学计划制定--20180520

2、深入浅出统计学：要了解常用数理统计模型(描述统计指标、聚类、决策树、贝叶斯分类、回归等)，重点放在学习模型的工作原理、输入内容和输出内容，至
先生买多花吧·2023-12-28 19:30

其实只是贝叶斯问题罢了

最近，中学课文《生于忧患，死于安乐》中的一句话再度冲上了热搜。网友们为其中的一句"天将降大任于是人也"争论不休，大量网友表示，当年背诵的分明是“斯人”，为何现在变成了“是人”。而人民教育出版社则公开表示，历史上的教材版本一直采用的是“是人”，并且从未出现过“斯人”的版本。不仅如此，出版社还给出了历届教材的照片，看起来确实均为“是人”。大量网友表示不服，根据他们的记忆，绝对是“斯人”没错，他们也在各
战神猴哥·2023-12-28 14:30

Python3机器学习之04基于概率论的分类方法朴素贝叶斯

贝叶斯核心选择具有最高概率的决策是贝叶斯决策理论的核心。贝叶斯使用通过已知3个概率来计算位置的概率特征数量与样本关系通常如果有t个特征，每个特征需要N个样本，那么就需要个总样本数。
iCloudEnd·2023-12-28 07:12

变分自编码器（VAE）的数学原理以及实现

变分自编码器（VAE）的数学原理变分自编码器（VAE）是一种基于神经网络的生成模型，它结合了深度学习和贝叶斯推断的概念。VAE的主要目标是学习输入数据的潜在表示，并能够生成新的数据实例。
h52013141·2023-12-28 06:18

贝叶斯推断

贝叶斯推断贝叶斯推断的基本概念与传统推断的区别贝叶斯推断作为统计推断的一种，从样本中学习或拟合真实的模型，推断概率分布函数的某个参数，和传统的统计推断的区别在于将推断的对象视作常数还是随机变量（v.t.
Asica·2023-12-28 03:05

机器学习——朴素贝叶斯

1、简介朴素贝叶斯算法是一种基于贝叶斯理论的有监督学习算法。朴素是指样本特征之间是相互独立的，朴素贝叶斯算法有着坚实的数学基础和稳定的分类效率。
风月雅颂·2023-12-27 18:34

BO-CNN-BiLSTM-Mutilhead-Attention贝叶斯优化卷积神经网络双向长短期记忆网络融合多头注意力机制预测matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，代码获取、论文复现及科研仿真合作可私信。个人主页：Matlab科研工作室个人信条：格物致知。更多Matlab完整代码及仿真定制内容点击智能优化算法神经网络预测雷达通信无线传感器电力系统信号处理图像处理路径规划元胞自动机无人机内容介绍在当今信息爆炸的时代，数据回归预测成为了许多领域的重要课题。为了提高预测的准确性和效率，研究人员不断探
前程算法matlab屋·2023-12-27 16:56

贝叶斯定理简介及简单演示

###贝叶斯定理简介贝叶斯定理是概率论中的一个核心概念，由18世纪的英国数学家托马斯·贝叶斯提出。该定理提供了一种在已知某些其他概率的情况下，计算某一事件概率的方法。
薛定谔的zhu·2023-12-27 03:20

统计学习方法（一）生成模型与判别模型

典型的生成模型有：朴素贝叶斯和隐马尔科夫模型。判别方法由数据直接学习决策函数或
shijiatongxue·2023-12-26 16:23

机器学习笔记 - 线性判别分析(LDA)的原理和应用

LDA算法对每个类别的数据分布进行建模，并使用贝叶斯定理对新数据点进行分类。LDA算法通过使用贝叶斯计算输入数据集是否属于特定
坐望云起·2023-12-26 15:32

朴素贝叶斯

贝叶斯算法是一类算法，这是一类以条件概率的计算为核心进行分类的算法，而朴素贝叶斯算法是其中最简单的概率分类器。
南太湖小蚂蚁·2023-12-26 15:39

Bayesian Transfer Learning

A:这篇论文探讨了贝叶斯转移学习的方法，旨在通过利用相关领域的数据来提高目标领域的模型性能。具体来说，论文讨论了如何确定和执行跨领域之间的最优信息转移，这是转移学习中的一个核心问题。
步子哥·2023-12-26 13:38

机器学习 (第9章 概率图模型)

一、学习目标1.学习概率图模型中两种重要的模型：贝叶斯网络和马尔科夫随机场2.学习使用概率图模型去进行实际问题的学习与推断3.学习近似推断二、贝叶斯网络概率图模型基于图，而图这种数据结果分为两种：有向图和无向图
komjay·2023-12-26 11:56

机器学习基础整理(第2章) - 模式分类

基础模型-模式分类器监督和非监督分类器贝叶斯决策规则最小误差(MinimumError)最小风险(MinimumRisk)最小损失和最小风险的关系Neyman-Pearson决策规则判别函数(DiscriminantFunction
王踹踹·2023-12-26 08:40

【模式识别与机器学习】——2.2正态分布模式的贝叶斯分类器

出发点：当已知或者有理由设想类概率密度函数P(x|ωi)是多变量的正态分布时，上一节介绍的贝叶斯分类器可以导出一些简单的判别函数。
weixin_30421809·2023-12-26 08:09

机器学习之贝叶斯判别和分类器

贝叶斯分类器贝叶斯分类器是各种分类器中分类错误概率最小或者在预先给定代价的情况下平均风险最小的分类器。它的设计方法是一种最基本的统计分类方法。
頔潇·2023-12-26 08:35

机器学习----贝叶斯分类器（判别模型和生成模型）

判别模型和生成模型数学表述监督学习方法分判别方法（DiscriminativeApproach）和生成方法（GenerativeApproach），所学到的模型分别称为判别模型（DiscriminativeModel）和生成模型（GenerativeModel）。所谓判别模型模型是直接判别测试用例所属的类别，即直接对p(y|x)进行建模，例如logisticregression，y=σ(θTx)。
这题我会啊·2023-12-26 08:34

机器学习（六）分类模型--线性判别法、距离判别法、贝叶斯分类器

机器学习（六）分类模型--线性判别法、距离判别法、贝叶斯分类器首先我们了解常见的分类模型和算法有哪些线性判别法简单来说就是用一些规定来寻找某一条直线，用直线划分学习集，然后根据待测点在直线的哪一边决定它的分类如图
路易三十六·2023-12-26 08:34

【机器学习实战】使用sklearn中的朴素贝叶斯方法实现新闻文本分类

1.数据集2.实现2.1代码fromsklearn.datasetsimportfetch_20newsgroupsfromsklearn.model_selectionimporttrain_test_splitfromsklearn.feature_extraction.textimportTfidfVectorizerfromsklearn.naive_bayesimportMultinom
想做一只快乐的修狗·2023-12-26 07:00

NLP系列(4)_朴素贝叶斯实战与进阶（转）

http://blog.csdn.net/han_xiaoyang/article/details/50629608作者：寒小阳&&龙心尘时间：2016年2月。出处：http://blog.csdn.net/han_xiaoyang/article/details/50629608http://blog.csdn.net/longxinchen_ml/article/details/5062961
weixin_34348111·2023-12-26 07:30

朴素贝叶斯模型

高斯贝叶斯分类器高斯贝叶斯分类器的计算过程还是比较简单的，其关键的核心是假设数值型变量服从正态分布，如果实际数据近似服从正态分布，分类结果会更加准确。
月岛雫-·2023-12-26 07:59
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他