- 博客(3)
- 资源 (2)
- 收藏
- 关注
原创 SVD 梯度下降
# coding=utf-8 import numpy as np import time import math __author__ = '01053185' # 2015年 9 月 25 日 class XMatrix(): def __init__(self, m=1000, n=100, step=4): self.zero_like = 0.01 # 伪零:
2015-09-25 21:53:30 3699 2
原创 证明:贝叶斯多条件的独立化的基础理论
花絮: 非常喜欢《天才J》这部小剧,里面有个的偶然公式,包含3个要素:时间、空间、守恒。这个公式最后被J破解掉了,破解的思路却很有意思:当观察一个个体的时候偶然性是必然的,但是观察一个大的群体时,偶然性又会消失。这个剧的作者估计也是学过概率论的。 独立→正交: 我们假设有事件A,B相互独立,每次测量时 A发生的概率是p,B发生的概率是q;测量n后,
2015-09-21 18:53:07 2261
原创 朴素贝叶斯的拓展
花絮: 前阵子我养了一非常笨的鱼,我花了好久好久教他爬树,猜结果怎么着?他死了,死在树上了。哎,有些事情就是这么毋庸置疑——有一条鱼笨死在树上。 几天前有人做了一个数据挖掘算法的培训,由于是泛泛而谈,我也是听了等于没听——说的都知道,不知道的也没说。不过回去的路上却对贝叶斯做了一番思考,自以为有所斩获,分享之。可谓温故而知新…… 贝叶斯的成立条件——条件独立性:
2015-09-20 22:03:05 1460
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人