![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
贝叶斯机器学习
I_belong_to_jesus
EE博士,主要兴趣:EDA软件,EDA前端仿真和加速,减肥,机器学习基础(凸优化),神经网络(推荐算法、图像处理算法),统计信号处理(传统滤波检测估计算法、稀疏表示算法和压缩感知算法)。
开发平台:软件开发,嵌入式开发。
展开
-
sklearn实现简单的LDA实例
line1="小明很喜欢学习计算机,有很多计算机的书。"line2="小红很喜欢计算机,听过很多计算机的课"line3="猫正在吃一条咸鱼"import jiebares1 = ' '.join(jieba.cut(line1))print(res1)res2 = ' '.join(jieba.cut(line2))print(res2)res3 = ' '.join(jieba.cut(line3))print(res3)#从文件导入停用词表stpwrdpath = "stop_w.原创 2021-09-10 03:07:56 · 1040 阅读 · 0 评论 -
贝叶斯网络的python实现:Monty Hall问题的求解
三门问题(Monty Hall problem)亦称为蒙提霍尔问题、蒙特霍问题或蒙提霍尔悖论,是电视节目中一个简单的游戏(主持人叫Monty Hall),游戏中有三扇门(编号为1、2、3号门),一扇门后面是一辆车,剩下两扇门后面各有一只山羊,此时随机的选择一扇门(并不打开它),比如2号门。此时,主持人是知道汽车藏在哪扇门后面的,而他会打开另一扇后面是山羊的门,比如1号门,这是主持人会问你,是否考虑放弃之前的选择,把自己的选择变为3号门?那么,坚持自己的选择还是放弃?那个更好?我们可以用贝叶斯网络来解释下这件原创 2020-12-29 01:06:28 · 1037 阅读 · 0 评论 -
贝叶斯网络介绍2:贝叶斯网络和马尔可夫条件之基本概念
考虑个离散联合分布地随机变量,根据条件概率分布,我们知道,联合分布概率可表示为:(1)设每个变量有个值,那么要求某个变量地概率取值,则要对其他所有变量求和,原创 2020-12-22 01:21:30 · 1931 阅读 · 5 评论 -
贝叶斯网络介绍1:图模型的必要性
最近学习贝叶斯网络,也在读Judea Pearl的大作《为什么》第二版,与现在大火的深度学习相比,贝叶斯网络依然有着一些优势,随着深度学习瓶颈的到来以及其本身过于复杂且可解释性差的问题还未得到很好的解决,贝叶斯网络也许是一个很好的解决这些问题的方向,下面将通过一系列博文来对贝叶斯网络进行详细的介绍,首先本问将介绍下基本的图模型原理。考虑一个医疗中一个简单的专家系统,该系统可诊断种疾病,每一个疾病用变量表示。该系统有种症状(头疼、发热。。。。。。),同理每一种症状用变量表示。该系统的目标显然是给定一个症状原创 2020-12-17 00:27:02 · 439 阅读 · 4 评论