Probabilistic

机器学习&数据挖掘笔记_19（PGM练习三：马尔科夫网络在OCR上的简单应用）

  　　前言： 　　接着coursera课程：Probabilistic Graphical Models 上的实验3，本次实验是利用马尔科夫网络(CRF模型)来完成单词的OCR
·2015-10-27 11:10

Probabilistic Graphical Models

;searchscope=1&SORT=DZ/YProbabilistic+Graphical+Models&searchscope=1&SORT=DZ&SUBKEY=Probabilistic
·2015-10-23 08:17

Deterministic vs Probabilistic Model

DeterministicModelAdeterministicmodelisamathematicalmodelinwhichoutcomesarepreciselydeterminedthroughknownrelationshipsamongstatesandevents,withoutroomforrandomvariation.probabilisticmodelAprobability
cool_bomb·2015-10-21 19:43

Deterministic vs Probabilistic Model

Deterministic ModelAdeterministicmodelisamathematicalmodelinwhichoutcomesarepreciselydeterminedthroughknownrelationships amongstatesandevents,withoutroomforrandomvariation.probabilisticmodelAprobabili
f81892461·2015-10-21 19:00

ICWS 2009 Accepted Research Paper List (63篇)

p=153 Towards Probabilistic Estimating Quality of Online Services DHT-Based Range Query Processing
·2015-10-21 11:05

文本分类,数据挖掘和机器学习

机器学习的有概率分类器(probabilistic),贝叶斯推理网络(bayesianinferencenetworks),决策树分类器(decisiontree),决策规则分类器(decisionrule
chvalrous·2015-08-11 10:47

《textanalytics》课程简单总结（2）：topic mining

1、“term as topic”有很多问题： 2、Improved Idea: Topic = Word Distribution：  3、定义问题（Probabilistic Topic Mining
mmc2015·2015-07-19 08:00

Matrix Factorization and Probabilistic Matrix Factorization

MF的主要思想其实就是假设，我们有N个用户，M个items，我们正常会有一个M*N的评分矩阵，然而这个矩阵可能很稀疏，或者关联性很强，那么我们试图通过降维来达到一个更好的效果，降维的方法就是抽象出M个items的F个特征，这个所谓特征就叫latentfeature，比如我们现在有M个电影，但是M太大，我们觉得没必要对于所有的电影进行一个个分析，我们宁愿把M看成多个标签组成的电影，比如电影《复仇者联
咖啡要加糖·2015-05-30 15:53

Neural Probabilistic Language Model, word2vec来龙去脉

在Mikolov关于word2vec的论文中，作者详细罗列了文章创意的来源。本文整理文章中引用的主要文献，以期明白word2vec的整个产生过程。在引文中，【1】和【2】是主要的应用对象，而参考文献中文献的罗列顺序，也可以看做word2vec的发展顺序。因此本文将主要叙述【1】和【2】，至于【3】、【4】中的内容，可以参见博文《word2vec原理概述》。1、研究背景维数灾难（curseofdim
hechenghai·2015-05-18 12:00

Probabilistic Programming and Bayesian Methods for Hackers读书笔记

《ProbabilisticProgrammingandBayesianMethodsforHackers》读书笔记，网页链接为https://github.com/CamDavidsonPilon/Probabilistic-Programming-and-Bayesian-Methods-for-Hackers
zc02051126·2015-04-25 22:00

[Machine Learning] Probabilistic Graphical Models：一、Introduction and Overview（2、Factors）

一、什么是factors？类似于function，将一个自变量空间投影到新空间。这个自变量空间叫做scope。二、例子如概率论中的联合分布，就是将不同变量值的组合映射到一个概率，概率和为1.三、几种操作（factoroperation）的介绍1、乘积2、边缘化3、缩减四、总结（为何引入factor？）1、对于定义高维空间的分布具有关键意义；2、包括了概率分布的基本操作。
·2015-03-03 20:00

Probabilistic Data Structures for Web Analytics and Data Mining

https://highlyscalable.wordpress.com/2012/05/01/probabilistic-structures-web-analytics-data-mining/ Statisticalanalysisandminingofhugemulti-terabytedatasetsisacommontasknowadays
ylzhj02·2015-02-03 17:00

[置顶] Probabilistic Latent Semantic Analysis(PLSA)

对于上次说的LSA模型，它能解决多个单词一个意义，但是不能解决多个意义一个单词，就是多义词的问题，而PLSA模型能较好的解决这个问题，首先说下，这个模型的假设：1假设生成一个单词的过程是这样的：首先选择一篇文章di，然后再次基础上选择一个潜变量zk(可以理解为主题),最后在此基础上再在生成一个单词。如果p(di,wj)表示第i个文本中有第j个单词的概率，根据假设有：2另外一个非常重要的假设是，单词
u012303532·2014-12-13 20:00

Probabilistic Interpretation on Least Squares

ProbabilisticInterpretationonLeastSquaresEtharaSupposeyouareaskedtomakearegressiononatrainingset,Figure1YoumightwanttofindalineasintheFigure1.Formally,tofindananalyticalformofthisregressionline,weneed
Ethara·2014-12-05 14:00

概率主题模型简介 Introduction to Probabilistic Topic Models

摘要：概率主题模型是一系列旨在发现隐藏在大规模文档中的主题结构的算法。本文首先回顾了这一领域的主要思想，接着调研了当前的研究水平，最后展望某些有所希望的方向。从最简单的主题模型——潜在狄立克雷分配（LatentDirichletAllocation，LDA）出发，讨论了其与概率建模的联系，描述了用于主题发现的两种算法。主题模型日新月异，被扩展和应用许多领域，其中不乏有趣之处。我们调研发现很多扩展都
wenyusuran·2014-11-06 10:00

Todd.log - a place to keep my thoughts on programming TF-IDF模型的概率解释

转自：http://www.cnblogs.com/weidagang2046/archive/2012/10/22/tf-idf-from-probabilistic-view.html信息检索概述信息检索是当前应用十分广泛的一种技术
gshengod·2014-09-25 13:00

概率规划和贝叶斯方法

https://camdavidsonpilon.github.io/Probabilistic-Programming-and-Bayesian-Methods-for-Hackers/
zc02051126·2014-07-10 10:00

数据挖掘十大算法----EM算法（最大期望算法）

概念在统计计算中，最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量（LatentVariable）。
wenyusuran·2014-05-21 11:00

Stanford概率图模型（Probabilistic Graphical Model）— 第一讲 贝叶斯网络基础

概率图模型（Probabilistic GraphicalModel）系列来自Stanford公开课ProbabilisticGraphicalModel中DaphneKoller 老师的讲解。
zhubo22·2014-05-06 09:00

数据挖掘十大算法----EM算法（最大期望算法）

概念在统计计算中，最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量（LatentVariable）。
u011067360·2014-04-14 20:00

OpenCV（3）ML库->Expectation - Maximization 算法

在统计计算中，最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量（LatentVariable）。
王孟贤·2014-04-03 10:00

OpenCV（3）ML库->Expectation - Maximization 算法

在统计计算中，最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量（LatentVariable）。
sunboyiris·2014-04-03 10:00

TF-IDF模型的概率解释

转载地址：http://www.cnblogs.com/weidagang2046/archive/2012/10/22/tf-idf-from-probabilistic-view.html---信息检索概述信息检索是当前应用十分广泛的一种技术
arthur503·2014-03-27 21:00

Non-negative Matrix Factorization and Probabilistic Latent Semantic Analysis

IntroductionNon-negativeMatrixFactorizationisfrequentlyconfusedwithProbabilisticLatentSemanticAnalysis.Thesetwomethodsareappliedfordocumentclusteringandhavesimilaritiesanddifferences.Thisarticleexplai
u012447220·2013-12-02 13:00

概率主题模型简介 Introduction to Probabilistic Topic Models

转载:http://www.cnblogs.com/siegfang/archive/2013/01/30/2882391.html概率主题模型简介IntroductiontoProbabilisticTopicModels此文为DavidM.Blei所写的《IntroductiontoProbabilisticTopicModels》的译文，供大家参考。摘要：概率主题模型是一系列旨在发现隐藏在大
liuyue2046·2013-11-18 13:00

EM算法

在统计计算中，最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量（LatentVariable）。
yueyedeai·2013-11-10 22:00

Stanford概率图模型 第一讲 有向图-贝叶斯网络

       原文链接（系列）：http://blog.csdn.net/yangliuy/article/details/8067261       概率图模型（Probabilistic GraphicalModel
wishchin·2013-11-04 20:00

数据挖掘十大经典算法(5) 最大期望(EM)算法

在统计计算中，最大期望（EM，Expectation–Maximization）算法是在概率（probabilistic）模型中寻找参数最大似然估计的算法，其中概率模型依赖于无法观测的隐藏变量（LatentVariabl
starstarstone·2013-08-12 11:00

概率主题模型简介 Introduction to Probabilistic Topic Models

概率主题模型简介IntroductiontoProbabilisticTopicModels此文为DavidM.Blei所写的《IntroductiontoProbabilisticTopicModels》的译文，供大家参考。摘要：概率主题模型是一系列旨在发现隐藏在大规模文档中的主题结构的算法。本文首先回顾了这一领域的主要思想，接着调研了当前的研究水平，最后展望某些有所希望的方向。从最简单的主题模
pi9nc·2013-06-03 21:00

概率主题模型简介 Introduction to Probabilistic Topic Models

此文为DavidM.Blei所写的《IntroductiontoProbabilisticTopicModels》的译文，供大家参考。摘要：概率主题模型是一系列旨在发现隐藏在大规模文档中的主题结构的算法。本文首先回顾了这一领域的主要思想，接着调研了当前的研究水平，最后展望某些有所希望的方向。从最简单的主题模型——潜在狄立克雷分配（LatentDirichletAllocation，LDA）出发，讨
chinaliping·2013-05-07 09:58

概率主题模型简介 Introduction to Probabilistic Topic Models

此文为DavidM.Blei所写的《IntroductiontoProbabilisticTopicModels》的译文，供大家参考。摘要：概率主题模型是一系列旨在发现隐藏在大规模文档中的主题结构的算法。本文首先回顾了这一领域的主要思想，接着调研了当前的研究水平，最后展望某些有所希望的方向。从最简单的主题模型——潜在狄立克雷分配（LatentDirichletAllocation，LDA）出发，讨
chinaliping·2013-05-07 09:00

Non-negative Matrix Factorization and Probabilistic Latent Semantic Analysis

Non-negativeMatrixFactorizationandProbabilisticLatentSemanticAnalysisOctober12,2011http://ezcodesample.com/plsaidiots/NMFPLSA.htmlIntroductionNon-negativeMatrixFactorizationisfrequentlyconfusedwithPro
haidao2009·2013-03-29 16:00

NLP 学习笔记 03 (Probabilistic Context-Free Grammars (PCFGs))

最近一周有些拖沓，静下来把第3,4周的笔记写了这两周的主题都是PCFGs，不过从浅到深，逐层深化罢了，所以题目就用ProbabilisticContext-FreeGrammars(PCFGs)了1.Introduction----------------------------------------------------------------------------------语法树：这在
Dark_Scope·2013-03-26 20:59

NLP 学习笔记 03 (Probabilistic Context-Free Grammars (PCFGs))

最近一周有些拖沓，静下来把第3,4周的笔记写了这两周的主题都是PCFGs，不过从浅到深，逐层深化罢了，所以题目就用ProbabilisticContext-FreeGrammars(PCFGs)了1.Introduction----------------------------------------------------------------------------------语法树：这在
Dark_Scope·2013-03-26 20:59

NLP 学习笔记 03 (Probabilistic Context-Free Grammars (PCFGs))

最近一周有些拖沓，静下来把第3,4周的笔记写了这两周的主题都是PCFGs，不过从浅到深，逐层深化罢了，所以题目就用ProbabilisticContext-FreeGrammars(PCFGs)了1.Introduction     ---------------------------------------------------------------------------------- 
Dark_Scope·2013-03-26 20:00

论文读书笔记-local learning in probabilistic networks with hidden variables

 标题：locallearninginprobabilisticnetworkswithhiddenvariables这篇论文是介绍人工智能中概率的，提到了贝叶斯信念网，APN等等，和书上内容较为接近。下面是摘抄的一些要点：1、一些概念介绍neuralnetworks,whichrepresentcomplexinput/outputrelationsusingcombinationsofsimp
jj12345jj198999·2013-01-12 19:00

读论文《Probabilistic Data Structures for Web Analytics and Data Mining》笔记

 Zipfiandistribution：遵循zipflaw分布的数据zipflaw ：在给定的语料中，对于任意一个term，其频度(freq)的排名（rank）的乘积大致是一个常数。Zipf应用相信你一定听过这样的说法：80%的财富集中在20%的人手中……80%的用户只使用20%的功能……20%的用户贡献了80%的访问量………………你知道我在说“二八原则”或“20/80原则”，是的，没错！---
zhangpinghao·2013-01-02 23:00

A new Machine Learning Book：“Machine Learning：A Probabilistic Perspective”

作者 KevinPMurphy的主页：http://www.cs.ubc.ca/~murphyk/；ML：aPP的主页：http://www.cs.ubc.ca/~murphyk/MLbook/index.html；本书提供了一个matlab/python的toolbox，verygood。CSDN下载链接：http://download.csdn.net/detail/lifeitengup/4
LiFeitengup·2012-12-27 10:00

Stanford概率图模型（Probabilistic Graphical Model）— 第二讲 Template Models and Structured CPDs

概率图模型（Probabilistic GraphicalModel）系列来自Stanford公开课ProbabilisticGraphicalModel中DaphneKoller 老师的讲解。
yangliuy·2012-10-19 22:00

Stanford概率图模型（Probabilistic Graphical Model）— 第一讲 贝叶斯网络基础

概率图模型（Probabilistic GraphicalModel）系列来自Stanford公开课ProbabilisticGraphicalModel中DaphneKoller 老师的讲解。
yangliuy·2012-10-13 14:00

The EM(Expectation–Maximization) Algorithm 详解

在统计计算中，最大期望（EM，Expectation–Maximization）算法是在概率（probabilistic）模型中寻找参数最大似然估计的算法，其中概率模型依赖于无法观测的隐藏变量（LatentVariabl
daringpig·2012-10-10 10:00

[学习笔记]主题模型(Topic Model)和PLSA( probabilistic latent semantic analysis)

读了著名的【GoogleNewsPersonalizationScalableOnlineCF】，提及到针对用户聚类，利用相似用户性信息计算喜欢的news。其中包含min-hash以及plsi，产生了对plsi的兴趣。plsi是model-based推荐算法，属于topic(aspect)model，最近研究了topicmodel，发现其在NLP领域用途很大。引入：在文本挖掘时，计算文档相似性是很
zhoubl668·2012-08-18 18:00

Probabilistic Data Structures for Web Analytics and Data Mining

转：http://highlyscalable.wordpress.com/2012/05/01/probabilistic-structures-web-analytics-data-mining/ 
qiuqiang1985·2012-08-14 08:00

ＥＭ（最大期望）算法

在统计计算中，最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量（LatentVariable）。
whycold·2012-06-24 22:00

[学习笔记]学习主题模型(Topic Model)和PLSA( probabilistic latent semantic analysis）

from: http://www.hxxiaopei.com/?p=71读了著名的【GoogleNewsPersonalizationScalableOnlineCF】，提及到针对用户聚类，利用相似用户性信息计算喜欢的news。其中包含min-hash以及plsi，产生了对plsi的兴趣。plsi是model-based推荐算法，属于topic(aspect)model，最近研究了topicmod
·2012-05-30 21:00

随机计数算法 probabilistic counting

 随机计数算法probabilisticcounting一个著名的问题，给定一个数据集，一共有n个元素，其中完全不同的元素个数为m，怎么求出m？如果要准确的计算，那么复杂度是nlog(n)的，因为我们首先要对n个元素排序，然后去重。那么，我们如果n特别大，比如在搜索引擎的算法中，n可能有上亿，这个时候我们也不需要求出准确的m，只要给一个比较准确的m，满足一定的误差要求。这时就可以用一种随机计数的方
y_static_y·2012-05-19 17:01

Probabilistic Neural Networks实现与代码

ProbabilisticNeuralNetworks1.ParzenWindowsClassifierThedevelopmentoftheprobabilisticneuralnetworkreliesonParzenwindowsclassifiers.TheParzenwindowsmethodisanon-parametricprocedurethatsynthesizesanestim
alaclp·2012-05-04 19:00

LDA

Probabilistic la
vergilwang·2012-03-27 10:00

EM算法——最大期望算法（Expectation-maximization algorithm）

在统计计算中，最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量（LatentVariable）。
a12141986·2012-03-21 15:00

PLSI( probabilistic latent semantic indexing ) 词分类，文档分类

折磨了我一个星期，断断续续的看，断断续续的想。早上上厕所的时候，终于想通了。或许是对英文理解能力差吧，发觉其实挺简单的。LSA对于许多搞IR和NLP的来说应该不陌生吧，LSA用SVD降维，然后来根据worddistribution，来分类文档而LSA的劣势在于，没有比较好的统计基础，这个和当前流行趋势是不相符的。所以PLSA，用概率模型来做文档分类，或者词聚类。等要求你有个worddictiona
pf1492536·2011-11-16 17:00
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他