https://www.jianshu.com/p/55a67c12d3e9
朴素贝叶斯
P(A|B) = P(AB)/P(B) = P(B|A)*P(A)/P(B)
计算B条件下A发生的概率,只需要计算先验概率P(A), P(B)和后验概率P(B|A)。
马尔科夫链
马尔可夫链是满足马尔可夫性质的随机过程。某一时刻的状态只与其前一时刻的状态有关,则序列有马尔科夫性质。
X1,X2,X3...马尔可夫链(Markov Chain),描述了一种状态序列,其每个状态值取决于前面有限个状态。马尔可夫链是具有马尔可夫性质的随机变量的一个数列。这些变量的范围,即它们所有可能取值的集合,被称为“状态空间”,而Xn的值则是在时间n的状态。如果Xn+1对于过去状态的条件概率分布仅是Xn的一个函数,则P(Xn+1=x|X1=x1,X2=x2...Xn=xn)=P(Xn+1=x|Xn=xn)
这里x为过程中的某个状态。上面这个恒等式可以被看作是马尔可夫性质。
神经网络
感知器:接受多个输入,产生一个输出;多个输入通常重要性不等,给予其不同的权重(weight);设置一个阈值(threshold),大于阈值则输出1,否则输出0。
神经网络有一个或多个感知器组成,可以是多层感知器。