bayesian

LDA 与PLSA

lda先验为0的时候就是plsa,lda只不过是plsa加了dirichlet先验，一个是MLE,一个是bayesian。数据量很多时，bayesian趋向于mle。而PLSA并行比LDA简单许多。
chaaffff·2020-03-11 20:15

机器学习-QDA&LDA

之前在文章[机器学习-Bayesian概念学习，]中介绍了概念学习，即将一个概念与这个概念包含所有实例的集合等同，通过属于这个集合的数据来学习这个集合可能是什么。
三余寻真·2020-02-29 10:25

量化交易基本概念

市场微观结构研究（forHFTmostly）2.基金结构套利3.机器学习:四个流派：connectionism联接主义（例如神经网络）symbolism符号主义（决策树）Frequentists(频率主义)bayesian
wong小尧·2020-02-14 06:17

Notes for "Posterior consistency and convergence rates for Bayesian inversion with hypoelliptic o...

H.Kekkonen,M.Lassas,S.Siltanen,PosteriorconsistencyandconvergenceratesforBayesianinversionwithhypoellipticoperators,InverseProblems,32,2016,085005Page10,line6,Section3GeneralisedrandomvariablesTheconn
jjx323·2020-02-11 14:10

Taking the Human Out of the Loop: A Review of Bayesian Optimization

AbstractTheendproducts(e.g.,recommendationsystems,medicalanalysistools,real-timegameengines,speechrecognizers)involvesmanytunableconfigurationparameters.Theseparametersareoftenspecifiedandhard-codedin
baoliang·2020-02-07 16:53

分子进化树构建及数据分析方法介绍

其他的几种方法包括MP（Maximumparsimony，最大简约法）、ML（Maximumlikelihood，最大似然法）以及贝叶斯（Bayesian）推
oddxix·2020-02-02 21:32

基于朴素贝叶斯识别简单验证码

朴素贝叶斯定理原理请参考：http://www.ruanyifeng.com/blog/2011/08/bayesian_inference_part_one.htmlhttps://www.cnblogs.com
qwertyuiop1822·2020-01-08 16:00

BAYESIAN LEARNING FOR NEURAL NETWORKS by Radford M. Neal

本文作者RadfordM.Neal的PhDThesis.*(Hiswritingstyleislikeaphysicist.)Readingprogress:46/195MainContribution:1STPARTInchapter2.1,Nealarguesthatundertheconditionof1.Bayesiansettingwherewehaveprior,posterior2.
CYZ_664b·2020-01-07 02:28

bivariate model using bayesian by Luis A. Apiolaza‏ @zentree 14h

bi<-MCMCglmm(cbind(ht,su)~trait-1,random=~idh(trait):plot+us(trait):genotype,rcov=~us(trait):units,data=trial,ginverse=list(genotype=Ainv),prior=bivar,family=c('gaussian','threshold'),burnin=10000,nit
董八七·2020-01-06 12:50

数学基础-高斯模型

在之前的一篇文章[机器学习-Bayesian概念学习,]中提到了一组常用的共轭分布，beta分布-二项分布，它们都是离散型的概率分布，而一组更一般的离散型共轭分布为Dirichlet分布-多项分布。
三余寻真·2019-12-23 14:26

反垃圾反病毒：Rich firewall 反垃圾安全网关之Bayesian贝叶斯过滤算法

反垃圾反病毒过滤器中，表现最好的应该是基于评分的过滤器。贝叶斯过滤算法原理就是检查垃圾邮件中的词或字符等，将每个特征元素（最简单的元素就是单词，复杂点的元素就是短语）都给出一个分数（正分数），另一方面就是检查正常邮件的特征元素，用来降低得分的（负分数）。最后邮件整体就得到一个垃圾邮件总分，通过这个分数来判断是否spam。揭底贝叶斯过滤算法贝叶斯理论现在在计算机行业中应用相当广泛，这是一种对事物的不
来自彩讯·2019-12-22 19:36

概率分布の三奥义

前言在“免费:大赏新书CASI”里面斯坦福的优化大师Efron对统计的描述有一个三角形，这个三角形的三个顶点分别是频率派(Frequentist)，费希尔派（Fisherian）和贝叶斯派（Bayesian
史春奇·2019-12-22 04:54

概率派VS贝叶斯派

贝叶斯学派-Bayesian-MaximumAPosteriori(MAP，最大后验估计)：贝叶斯学派认为世界是不确定的，人们对世界先有
末日搭车指南·2019-12-18 01:00

BayesiaLab:你需要一个功能如此强大的桌面应用程序

借助BayesiaLab，Bayesian网络已经变得切实可行，可以深入了解问题域。BayesiaLab利用Bayesian网络的固有图形结构来探索和解释复杂问题。BayesiaLa
哲想软件·2019-11-22 00:00

为何选最小二乘 兼看贝叶斯方法

http://mindhacks.cn/2008/09/21/the-magical-bayesian-method/数学之美番外篇：平凡而又神奇的贝叶斯方法概率论只不过是把常识用数学公式表达了出来。
麒麟楚庄王·2019-11-01 14:18

贝叶斯深度学习(bayesian deep learning)

一、贝叶斯公式其中，p(z|x)被称为后验概率（posterior），p(x,z)被称为联合概率，p(x|z)被称为似然（likelihood），p(z)被称为先验概率（prior），p(x)被称为evidence。如果再引入全概率公式p(x)=∫p(x|z)p(z)dz，式（1）可以再变成如下形式：如果z是离散型变量，则将式（2）中分母积分符号∫改成求和符号∑即可。（概率分布中的概率质量函数一般
爱叫啥叫啥去·2019-10-28 09:41

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，我对世界永远保持开放的态度。1763年，民间科学家ThomasBayes发表了一篇名为《Anessaytowardssolvingaprobleminthedoctrineofchance
郑瀚Andrew.Hann·2019-10-25 16:00

贝叶斯线性回归（Bayesian Linear Regression）

贝叶斯线性回归（BayesianLinearRegression）2016年06月21日09:50:40 Duanxx 阅读数54254更多分类专栏： 监督学习 版权声明：本文为博主原创文章，遵循 CC4.0BY-SA 版权协议，转载请附上原文出处链接和本声明。本文链接：https://blog.csdn.net/daunxx/article/details/51725086贝叶斯线性回归（Bay
曹明·2019-09-07 21:00

贝叶斯线性回归（Bayesian Linear Regression）

贝叶斯线性回归（BayesianLinearRegression）2016年06月21日09:50:40 Duanxx 阅读数54254更多分类专栏： 监督学习 版权声明：本文为博主原创文章，遵循 CC4.0BY-SA 版权协议，转载请附上原文出处链接和本声明。本文链接：https://blog.csdn.net/daunxx/article/details/51725086贝叶斯线性回归（Bay
曹明·2019-09-07 21:00

贝叶斯线性回归（Bayesian Linear Regression）

贝叶斯线性回归（BayesianLinearRegression）2016年06月21日09:50:40 Duanxx 阅读数54254更多分类专栏： 监督学习 版权声明：本文为博主原创文章，遵循 CC4.0BY-SA 版权协议，转载请附上原文出处链接和本声明。本文链接：https://blog.csdn.net/daunxx/article/details/51725086贝叶斯线性回归（Bay
曹明·2019-09-07 21:00

抛硬币与Bayesian 参数化建模

关于抛硬币问题的概率分析。问题是，假设有一个硬币，我们将其抛了10次，前9次为正，第十次反，求其下一次为正的概率。首先，我们先假设这个问题是n重伯努利问题。（如果不作出此假设，问题将无法参数化建模）我们作出如下设定：D事件=抛了10次，前9次为正，第十次反T事件=下一次为正theta参数=单次抛硬币为正的概率所以，我们要求的是P(T)，基于伯努利的假设，我们得到theta的分布后，即可得到T的概率
shudaxu·2019-07-10 16:21

Bayesian Sparse Topical Coding 贝叶斯稀疏主题编码

摘要：稀疏主题模型(STMs)主要通过在主题模型上添加稀疏先验或适当的正则化因子，广泛用于大规模学习语义丰富的短文本潜在稀疏表示。然而，由于这些STMs的稀疏先验往往不能实现真正的稀疏，且正则化器忽略了稀疏系数之间相关性的先验信息，因此很难准确地对语料库的稀疏结构和模式进行建模。本文在稀疏群稀疏局部编码的基础上，提出了一种新的贝叶斯分层主题模型——泊松分布贝叶斯稀疏局部编码(BSTC-P)。与传统
三不小青年·2019-05-13 21:13

Bayesian Sparse Topical Coding 贝叶斯稀疏主题编码

摘要：稀疏主题模型(STMs)主要通过在主题模型上添加稀疏先验或适当的正则化因子，广泛用于大规模学习语义丰富的短文本潜在稀疏表示。然而，由于这些STMs的稀疏先验往往不能实现真正的稀疏，且正则化器忽略了稀疏系数之间相关性的先验信息，因此很难准确地对语料库的稀疏结构和模式进行建模。本文在稀疏群稀疏局部编码的基础上，提出了一种新的贝叶斯分层主题模型——泊松分布贝叶斯稀疏局部编码(BSTC-P)。与传统
三不小青年·2019-05-13 21:13

【2019读书】Day 10 Bayesian Data Analysis

02.03.2019时间过的真快，转眼二月了，今天读的书是BayesianDataAnalysis作者:AndrewGelman等https://book.douban.com/subject/17380364/继续在第二章磨，看了几遍觉得这本书的思路还是蛮清晰的，之前看不进去的原因是太着急，要一点点儿的全都搞懂了，还有例子都看会了就好了。（我这篇纯属是为了凑天数才写的）
濯希·2019-02-05 10:16

【2019读书】Day 9 Bayesian Data Analysis

02.03.2019时间过的真快，转眼二月了，今天读的书是BayesianDataAnalysis作者:AndrewGelman等https://book.douban.com/subject/17380364/贝叶斯真的是很多年我都没学下去，今年打算狠下心来把它搞清楚。读了这个书的第二章，读后感就是：基本看不懂发自内心的一种不知道该怎么办，不知道自己到底能不能学会的感觉。算了，继续再接再厉去了
濯希·2019-02-05 10:13

贝叶斯深度学习（bayesian deep learning）

目录贝叶斯公式什么是贝叶斯深度学习？贝叶斯深度学习如何进行预测？贝叶斯深度学习如何进行训练？贝叶斯深度学习和深度学习有什么区别？贝叶斯神经网络（Bayesianneuralnetwork）和贝叶斯网络（Bayesiannetwork）？贝叶斯深度学习框架References  本文简单介绍什么是贝叶斯深度学习（bayesiandeeplearning），贝叶斯深度学习如何用来预测，贝叶斯深度学习和
wuliytTaotao·2019-01-17 16:00

朴素贝叶斯分类器（Naive Bayesian Classifier）

基于对周志华教授所著的《机器学习》的“第7章贝叶斯分类器”部分内容的学习笔记.先验概率与后验概率先验概率（摘自维基百科）：在贝叶斯统计推断论中，一个未确定数目的先验概率分布（一般简称为先验）是一种表达了某人对于该数目的信仰的一种概率分布，这种信仰是没有考虑到一些（当前的）证据的。解释：通俗来说，对于某一个概率事件，我们都会有基于自己已有的知识，对于这个概率事件会分别以什么概率出现各种结果会有一个预
coco_1998_2·2019-01-14 12:16

【人脸识别】人脸验证算法Joint Bayesian

BayesianFaceRevisited:AJointFormulation之前看过一篇联合贝叶斯的经典解析：http://blog.csdn.net/cyh_24/article/details/49059475，初看还是没有完全理解，结合https://blog.csdn.net/tinyzhao/article/details/53015724此篇做如下整理。原论文下载：BayesianF
长缨缚苍龙·2018-11-16 10:42

机器学习算法与Python实践(14) - 朴素贝叶斯(Naive Bayesian Mode)

机器学习算法与Python实践(14)-朴素贝叶斯(NaiveBayesianMode)这边文章是关于朴素贝叶斯相关的一些原理知识的介绍以及python代码的展示，这篇文章并非原创，但是这个博主讲述的方式十分的通俗易懂，所以就打算转载这个博主的这篇博客了一、朴素贝叶斯的算法原理1.1概述贝叶斯分类算法是一大类分类算法的总称贝叶斯分类算法以样本可能属于某类的概率来作为分类依据朴素贝叶斯分类算法是贝叶
pandsu·2018-10-15 20:11

Bayesian reasoning

问题一贝叶斯证据不充足情形讲的是贝叶斯公式的简单应用，采用哈利波特里面的场景作为例子。学过数理统计的应该知道有个关于被诊断为癌症与实际患癌症的这个例子。问题二多项式分布的极大似然估计（MaximumLikelihoodEstimate）多项式分布与二项分布的不同在于它一次实验是存在多种可能结果的，二项分布只存在两种可能结果。比如这个问题中的投骰子，每次投的点数是1-6中的一种。问题设计样本集：,之
被遗忘的时刻·2018-10-08 14:55

浅析贝叶斯神经网络（Based on Variational Bayesian）

贝叶斯神经网络简介对于一个神经网络来说，最为核心的是如何根据训练集的数据，得到各层的模型参数，使得Loss最小，因其强大的非线性拟合能力而在各个领域有着重要应用。而其问题是在数据量较少的情况下存在严重的过拟合现象，对于获得数据代价昂贵的一些课题比如车辆控制等领域，应用存在局限性。贝叶斯神经网络的优点是可以根据较少的数据得到较为solid的模型，而且得到的是各层参数的分布（一般假设各层参数服从高斯分
MU大尧·2018-09-06 19:42

4.3.1有监督学习（六） - 朴素贝叶斯分类（Naive Bayesian Classifier）

简介贝叶斯分类方法是与有监督学习中的最直观简单的方法。贝叶斯分类器缘起于贝叶斯定理，在定理的基础上发展为了朴素贝叶斯分类法（NaiveBayesianClassification）。朴素贝叶斯分类方法的好处在于简单直接，它一般用于概率推理与决策，即在信息不全的时候，通过观察随机变量，推断不可观察的随机变量。一句话解释版本：贝叶斯分类是利用概率论作为基础推断不可观测变量的类别，其基础原理是贝叶斯定理
Orange_Spotty_Cat·2018-08-29 15:18

推荐系统BPR [Bayesian Personalized Ranking] 算法详解及应用实践

在推荐系统的实现中，几乎总会遇到从较多候选集中为用户选取特定的少数几个物品进行推荐，这本质上是一个Ranking问题。在推荐场景中用户更缺乏耐性，对推荐结果的消费也十分有限。因此，排序的好坏直接决定了用户对一个准确率为90%的推荐候选集的满意度是否真的有90%。这里我们为大家介绍一种“基于贝叶斯后验优化的个性化排序算法”：BayesianPersonalizedRanking。其本身并不优化用户对
凯瑟琳喵·2018-08-21 15:26

贝叶斯推断及其互联网应用

原文地址:http://www.ruanyifeng.com/blog/2011/08/bayesian_inference_part_one.html
ARVRinChina·2018-03-19 11:52

贝叶斯优化 Bayesian Optimization

贝叶斯优化算法（BOA）贝叶斯优化算法BOA背景介绍贝叶斯优化流程形式化算法流程核心算法PriorFunctionAcquisitionFunction参考文献背景介绍当前的场景中，会面临很多设计选择问题。比如说在工程师进行方案设计的时候，需要考虑多种细节选择，才能做出一个稳定可靠的方案。糕点师傅在做蛋糕时，会决定各种配料应该使用多少才能做出好吃的蛋糕……在如此多的需要设计选择的场景中，往往需要从
Snail_JR·2018-01-18 21:19

scikit-learn - 朴素贝叶斯的高斯模型

://www.cnblogs.com/Scorpio989/p/4760281.htmlhttp://www.cnblogs.com/leoo2sk/archive/2010/09/17/naive-bayesian-classifier.htmlhtt
forestgang·2017-12-11 07:46

朴素贝叶斯分类器（Naive Bayesian Classifier）

写作本博文只为学习与分享知识。所以如果本系列教程对你有帮助，麻烦不吝在github的项目上点个star吧！非常感谢！本博客是基于对周志华教授所著的《机器学习》的“第7章贝叶斯分类器”部分内容的学习笔记。朴素贝叶斯分类器，顾名思义，是一种分类算法，且借助了贝叶斯定理。另外，它是一种生成模型（generativemodel），采用直接对联合概率P(x,c)建模，以获得目标概率值的方法。文章目录预备知识
蓝色枫魂·2017-12-07 11:21

Bayesian 多性状

WaldmannP,EricssonÆT,EricssonT.ComparisonofREMLandGibbssamplingestimatesofmulti-traitgeneticparametersinScotspine.Theor.Appl.Genet.2006;112:1441–51.摘要多性状（协）方差估计是植物和动物育种的重要课题。在这项研究中，我们比较了从限制最大似然（REML）和
董八七·2017-12-04 18:51

你对贝叶斯统计都有怎样的理解？

Bayesian学派说概率是一个人对于一件事的信念强度，概率是主观的。而频率派是说概率是客观的。所有能用客观概率假设能解的题，用主观概率假设也都能解，答案一样。对于两者都能解的题，主观概率假
athuhu0321·2017-10-23 09:51

朴素贝叶斯分类(Naive Bayesian classification)及其python实现

朴素贝叶斯分类(NaiveBayesianclassification)贝叶斯分类是一类分类算法的总称，这类算法都以贝叶斯定理为基础，所以叫贝叶斯分类。而朴素贝叶斯模型（naiveBayes）是基于贝叶斯定理与特征条件独立假设的分类方法。朴素贝叶斯常常用于文本分类，然而该方法对于英文等语言很好用，对中文就不是很好。一.朴素贝叶斯分类算法的优缺点以及应用场景：1.优点：在数据较少的情况下仍然有效，可
人不堪其忧吾也不改其乐·2017-09-19 17:31

论文理解 A Bayesian Hierarchical Model for Learning Natural Scene Categories

《ABayesianHierarchicalModelforLearningNaturalSceneCategories》，中文翻译为《一个用于自然场景分类的贝叶斯层次模型》。该文章由著名的华人人工智能专家李飞飞主笔。接下来，我将从论文讲解、代码实现两个方面阐述这篇论文的思想。这篇博客先进行论文讲解。代码实现可以跳转到以下链接：代码实现Abstract：摘要部分说明了该论文的创新点。“我们通过收集
BIN_GOO·2017-09-18 17:35

Batch Normalization 学习笔记

-回答作者:魏秀参.https://zhihu.com/question/38102762/answer/85238569[9].从Bayesian角度浅析BatchNormalization.http
asher_lithium·2017-08-28 11:04

贝叶斯模型及其应用总结

http://blog.csdn.net/huaxi1902/article/details/24140061http://mindhacks.cn/2008/09/21/the-magical-bayesian-method
Pd-pony·2017-06-21 16:02

分子进化树构建及数据分析方法介绍【转】

其他的几种方法包括MP（Maximumparsimony，最大简约法）、ML（Maximumlikelihood，最大似然法）以及贝叶斯（Bayesian）推断等方法。其中UPGMA法已经较少使用。
相见很不晚·2017-06-11 11:05

“Naive”贝叶斯算法 —— 朴素贝叶斯(Naive Bayesian)算法

“Naive”贝叶斯算法——朴素Bayesian算法有趣现象你们搞的这个Naive贝叶斯啊，亦可赛艇！朴素贝叶斯算法原理从统计学知识回到我们的数据分析。
JayRoxis·2017-05-29 16:49

R语言分类算法之朴素贝叶斯分类(Naive Bayesian Classification)

1.朴素贝叶斯分类原理解析根据已知的先验概率P(A|B),利用贝叶斯公式P(B|A)=P(A|B)P(B)/P(A)求出后验概率P(B|A),即该样本属于某一类的概率,然后选择具有最大后验概率的类作为该样本所属的类.也就是说,对于给出的待分类样本,求出在此样本出现条件下各个类别出现的概率,哪个最大,就认为此样本属于哪个类别.其优势在于不怕噪声和无关变量,不足之处在于,它假设各个特征属性是无关的,而
Claroja·2017-02-15 09:49

MLaPP Chapter 5 Bayesian statistics 贝叶斯统计

5.1Introduction介绍在第三章我们讨论了如果用最大化后验（MAP）做参数估计，即θ^=argmaxp(θ|D)，和计算全后验p(θ|D)和计算后验预测密度（posteriorpredictivedensity）p(x|D)用后验分布（posteriordistributino）来总结一切是贝叶斯统计的核心内容，第六章会讲另一种学派的方法，即频率学派（frequentistorclass
张小彬的代码人生·2017-02-08 15:03

数学基础-高斯模型

在之前的一篇文章[机器学习-Bayesian概念学习,简书]中提到了一组常用的共轭分布，beta分布-二项分布，它们都是离散型的概率分布，而一组更一般的离散型共轭分布为Dirichlet分布-多项分布。
cjianwyr·2017-02-07 11:44

机器学习-QDA&LDA

前在文章[机器学习-Bayesian概念学习，简书]中介绍了概念学习，即将一个概念与这个概念包含所有实例的集合等同，通过属于这个集合的数据来学习这个集合可能是什么。
cjianwyr·2017-02-07 11:20

贝叶斯分类初识

http://www.cnblogs.com/leoo2sk/archive/2010/09/17/naive-bayesian-classifier.html对于分类问题，其实谁都不会陌生，说我们每个人每天都在执行分类操作一点都不夸张
破破爱吹牛·2017-01-17 11:37
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他