机器学习相关数学知识
GnahzNib
技术发烧友!
展开
-
贝叶斯定理在拼写检查中的应用
贝叶斯定理 条件概率 通常条件概率表示为P(A|B)P(A|B),表示在给定B条件下A事件发生的概率。联合概率 两个事件同时发生的概率,表示为P(A,B)P(A, B),事件A,B互相独立时有P(A,B)=P(A)P(B)P(A,B)=P(A)P(B) 通常意义下,联合概率表示为P(A,B)=P(A)P(B|A)P(A, B)=P(A)P(B|A)贝叶斯定理 由联合概率乘法交换律原创 2017-04-19 18:58:32 · 1630 阅读 · 0 评论 -
概率图模型之:贝叶斯网络
1、贝叶斯定理P(A∣B)=P(A)P(B∣A)P(B)P(A \mid B) = \frac{P(A)P(B \mid A)}{P(B)} P(A|B)是已知B发生后A的条件概率,也由于得自B的取值而被称作A的后验概率。 P(B|A)是已知A发生后B的条件概率,也由于得自A的取值而被称作B的后验概率。 P(A)是A的先验概率或边缘概率。之所以称为”先验”是因为它不考虑任何B方面的原创 2017-04-19 19:25:01 · 48588 阅读 · 5 评论 -
朴素贝叶斯从公理到算法推导再到算法实现
github链接,使用jupyter实现觉得帮到您了就在GitHub给个star吧原创 2018-02-24 17:03:33 · 911 阅读 · 0 评论 -
线性回归从公理到算法推导再到代码实现
github查看jupyter格式觉得帮到您了就在GitHub给个star吧原创 2018-02-24 17:09:04 · 453 阅读 · 0 评论