机器学习
谁的Utopia
这个作者很懒,什么都没留下…
展开
-
马尔科夫过程
1. 全概率公式用途说明:对复杂事件A的概率求解简化为各情况下发生简单事件的概率之和 定义:完备事件组B1、B2、B3…….Bn,事件相互独立,且任意P(Bi)>0,则事件A发生的概率: P(A) = P(A|B1)P(B1) + P(A|B2)P(B2) + … + P(A|Bn)P(Bn) or p(A)=P(AB1)+P(AB2)+…+P(ABn)).(其中A与Bn的关系为交)2. 马原创 2016-06-13 16:02:13 · 16247 阅读 · 0 评论 -
马尔科夫预测法
马尔科夫预测基本模型划分预测对象状态 : 根据预测的目的划分计算初始概率 : 根据历史数据计算状态概率计算状态转移概率,构造转移概率矩阵P根据转移概率进行预测,Pij 表示由状态 i 转移到状态 j 的概率按最大可能性作为选择原则:选择(Pj1,Pj2,…, PjN )中最大者为预测结果。计算状态转移概率时,最后一个数据不参加计算转载 2016-06-13 17:26:45 · 10053 阅读 · 0 评论