![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
概率
文章平均质量分 53
qq_30362711
话痨
展开
-
最大似然MLE与Map最大后验解释
Maximum Likelihood Estimate最大似然,Maximum A Posteriori最大后验。1 大体介绍map和mle首先两者都是参数估计方法,假设知道一个随机变量的概率密度函数f(X|a1,a2,a3..),其中X是随机变量,a是未知参数,那么可以通过一些关于这个随机变量的实际采集的数据,对未知参数进行估计。2 MLE不考虑那么多,因为我们采集了一些数据{X.........原创 2018-05-23 17:36:53 · 384 阅读 · 0 评论 -
条件随机场conditional random field CRF学习记录
CRF原创 2022-06-14 17:31:52 · 90 阅读 · 0 评论 -
生成某一概率分布的数据
简单的举例:下图是高斯分布的概率密度函数曲线可以见到中间的任意小区间的概率大于两边的小区间的概率。要生成这个概率密度函数f(x)的数据,首先将区间分解成很多小区间,如分解为100个区间。然后同样概率随机的选一个小区间,这个小区间的概率用f(x)的积分来算。接下来取一个均值分布0-1随机一个数。若这个数大于小区间的概率,那么就把这个数据留下来。否则就不留。不断的重复就可以得到符合这个分布的X。原理以相同的概率选取X的值或X一个邻域。因为选了一个邻域后,这个邻域有概率值,表示X取这个区间内的原创 2021-10-14 11:34:35 · 796 阅读 · 1 评论