概率论
continueOo
记录自己的学习之路
展开
-
再识概率论
概述因为本人对于贝叶斯的神奇的渴望,以及对概率论体系的重视。发现自己对概率的定义仍然不清晰,这里提出一些小例子,进行分析,并回顾概率论最基础知识。大神请绕路!问题1: P(猪) 大家是不是觉得猪的概率这个说法很奇怪。 P(红球) 这个好像也是数学书里面经常出现的。 P(骰子为6) 大家是不是觉得骰子为6的概率貌似又比较正常,这个里面的区别到底在哪里呢?问题2: P(今天下雨)、P(今天下雨原创 2017-06-12 20:40:40 · 1152 阅读 · 0 评论 -
离散动态贝叶斯网络
概述朴素贝叶斯分类器基于一个简单的假定:给定目标值时属性之间相互条件独立(实际上在现实应用中几乎不可能做到完全独立),现实中各个特征属性间往往并不条件独立,而是具有较强的相关性,这样就限制了朴素贝叶斯分类的能力。这时就需要贝叶斯网络了,贝叶斯网络也称信念网络(Belief Networks)或者因果网络(Causal Networks),是描述变量之间以来关系的一种图形模型,也是一种用来推理的模型。原创 2017-06-15 11:42:16 · 8570 阅读 · 2 评论 -
统计自然语言处理(马尔可夫模型)
目的1.了解什么马尔科夫模型的三个问题 ·状态概率的计算(前向算法) ·马尔科夫译码过程(维特比算法) ·马尔科夫参数求解(EM算法 前后向算法)隐马尔科夫模型(HMM)这里笔者假设大家大致了解马尔科夫模型,即马尔科夫链的节点状态只于前N个状态相关,现实生活中常常存在一些隐藏的内容,比如3种骰子的例子,图如下: https://www.cnblogs.com/skyme/p/4651331原创 2017-06-03 13:58:19 · 1593 阅读 · 0 评论