![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Bayes
文章平均质量分 92
csshuke
这个作者很懒,什么都没留下…
展开
-
数学之美番外篇:平凡而又神奇的贝叶斯方法
概率论只不过是把常识用数学公式表达了出来。——拉普拉斯目录0. 前言 1. 历史 1.1 一个例子:自然语言的二义性 1.2 贝叶斯公式 2. 拼写纠正 3. 模型比较与贝叶斯奥卡姆剃刀 3.1 再访拼写纠正 3.2 模型比较理论(Model Comparasion)与贝叶斯奥卡姆剃刀(Bayesian Occ转载 2017-03-18 08:08:29 · 297 阅读 · 0 评论 -
贝叶斯告诉你,投掷硬币概率可以是90%
信贝爷, 得永生开头先开个玩笑, 有人说“信贝爷, 得永生” 你是否理解此中真意? 贝爷是这位, 生前是个神父。贝叶斯分析是整个机器学习的基础框架, 它的思想之深刻远出一般人所认知的, 我们这里要从贝叶斯统计说起。首先谈概率,概率这件事大家都觉得自己很熟悉, 叫你说概率的定义 , 你却不一定说的出,我们中学课本里说概率这个东西表述是一件事发生的频率,转载 2017-03-19 23:09:37 · 13098 阅读 · 3 评论 -
对频率论(Frequentist)方法和贝叶斯方法(Bayesian Methods)的一个总结
注:本文是对《IPython Interactive Computing and Visualization Cookbook》一书中第七章【Introduction to statistical data analysis in Python – frequentist and Bayesian methods】的简单翻译和整理,这部分内容主要将对统计学习中的频率论方法和贝叶斯统计方法进转载 2017-03-28 12:55:24 · 1398 阅读 · 0 评论 -
传说中的贝叶斯统计到底有什么来头?
贝叶斯统计在机器学习中占有一个什么样的地位,它的原理以及实现过程又是如何的?本文对相关概念以及原理进行了介绍。引言:在很多分析学者看来,贝叶斯统计仍然是难以理解的。受机器学习这股热潮的影响,我们中很多人都对统计学失去了信心。我们的关注焦点已经缩小到只探索机器学习了,难道不是吗?机器学习难道真的是解决真实问题的唯一方法?在很多情况下,它并不能帮助我们解决问题,即便在这些问题中存在着大转载 2017-03-17 11:38:41 · 592 阅读 · 0 评论 -
先验概率、似然函数与后验概率
先验概率Prior probability在贝叶斯统计中,先验概率分布,即关于某个变量 p 的概率分布,是在获得某些信息或者依据前,对 p 的不确定性进行猜测。例如, p 可以是抢火车票开始时,抢到某一车次的概率。这是对不确定性(而不是随机性)赋予一个量化的数值的表征,这个量化数值可以是一个参数,或者是一个潜在的变量。先验概率仅仅依赖于主观上的经验估计,也就是事转载 2017-04-26 15:59:36 · 433 阅读 · 0 评论 -
关于贝叶斯的一个小小的总结
为了要搞论文,我从图书馆借了一堆贝叶斯的书来看,虽然看得不算全面,还是在这里做一个小小的总结: 茆诗松 《贝叶斯统计》 http://book.douban.com/subject/1551888/ 目前看过的讲贝叶斯方法最通俗易懂的书了张连文 《贝叶斯网引论》http://book.douban.com/subject/1974704/ 以上是我觉得较为好的两本,转载 2017-06-14 17:04:02 · 409 阅读 · 0 评论