luxiaohai学习专栏

贝叶斯定理贝叶斯推断朴素贝叶斯法贝叶斯定理贝叶斯定理（Bayes’ theorem）: 实际上就是计算”条件概率”的公式。 所谓”条件概率”（Conditional probability），就是指在事件B发生的情况下，事件A发生的概率，用P(A|B)来表示。 最后得到条件概率计算公式为： 贝叶斯推断全概率公式： 假定样本空间S，是两个事件A与A’的和。在这种情况下，事件B可以划分成

决策树(decision tree)：基本的分类与回归方法。决策树模型与学习1 决策树模型2 决策树学习特征选择1 信息增益information gain2 信息增益比information gain ratio决策树的生成1 ID3算法2 C45的生成算法决策树的剪枝CART算法1 决策树模型与学习1.1 决策树模型分类决策树模型

极大似然估计极大后验估计贝叶斯估计最小二乘法1 极大似然估计极大似然估计(Maximum Likelihood Estimation, MLE)/最大似然估计/最大概似估计 是一种参数估计方法，即已知样本估计出模型的参数。一般说来，事件A发生的概率与某一未知参数θ\theta有关，θ\theta取值不同，则事件A发生的概率 P(A|θ)P(A|\theta)也不同，当我们在一次试验中事件A发生