![](https://img-blog.csdnimg.cn/20190918140145169.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器学习
机器学习原理与代码实现
qq_39189538
这个作者很懒,什么都没留下…
展开
-
my HMM
HMM 模型本节对隐马尔可夫模型进行了详细的公式推导,并实现了 HMM 模型中涉及到的三个经典问题。公式推导HMM 模型涉及到大量公式,本文以《统计学习方法》为基础对其中的公式进行了推导,为方便起见,以手写的形式进行了记录,字丑莫怪。HMM 代码实现本部分对上述公式进行了实现,涉及到了 HMM 模型中的前向算法、后向算法、baumwelch算法和viterbi算法,即分别对应第一部分中的概率计算、学习和预测。import numpy as npclass HMM:原创 2020-08-18 01:08:01 · 252 阅读 · 0 评论 -
my HMM for NER
HMM模型的参数转移概率(transition probabilities)转移概率 P(it=qi∣it−1=qj)P(i_{t}=q_i|i_{t-1}=q_j)P(it=qi∣it−1=qj) :在 ttt 时刻隐状态为 qiq_iqi、在 t+1t+1t+1 时刻转移到 qjq_jqj 的概率,其中隐状态 QhiddenQ_{hidden}Qhidden 的取值范围为 Q={q1,⋯ ,qN}Q=\{q_1, \cdots, q_N\}Q={q1,⋯,qN} 。上图是转移概原创 2020-08-11 22:50:17 · 307 阅读 · 0 评论 -
my Naive Bayes
原理贝叶斯定理:P(Y∣X)=P(XY)P(X)=P(X∣Y)P(Y)P(X)P(Y|X)=\frac{P(XY)}{P(X)}=\frac{P(X|Y) P(Y)}{P(X)}P(Y∣X)=P(X)P(XY)=P(X)P(X∣Y)P(Y)其中,P(X∣Y)=P(X(1)=x(1),⋯ ,X(n)=x(n)∣Y=ck)⟶条件独立假设=∏j=1nP(X(j)=x(j)∣Y=ck)P(X|Y)=P(X^{(1)}=x^{(1)}, \cdots, X^{(n)}=x^{(n)}|Y=c_{k}) \st原创 2020-08-01 15:07:54 · 121 阅读 · 0 评论