PGM
文章平均质量分 84
CCV_Edward
从事图像处理,图像检索等研究,刚刚起步,需要能多多交流
展开
-
PGM学习之一
一 课程基本信息 本课程是由Prof.Daphne Koller主讲,同时得到了Prof. Kevin Murphy的支持,在coursera上公开传播。在本课程中,你将学习到PGM(Probabilistic Graphical Models)表示的基本理论,以及如何利用人类自身的知识和机器学习技术来构建PGM;还将学习到使用PGM算法来对有限、带噪声的证据转载 2016-12-13 15:37:54 · 365 阅读 · 0 评论 -
PGM学习之三 朴素贝叶斯分类器(Naive Bayes Classifier)
原文:http://blog.csdn.net/polly_yang/article/details/9471223 介绍朴素贝叶斯分类器的文章已经很多了。本文的目的是通过基本概念和微小实例的复述,巩固对于朴素贝叶斯分类器的理解。 一 朴素贝叶斯分类器基础回顾 朴素贝叶斯分类器基于贝叶斯定义,特别适用于输入数据维数较高的情况。虽然朴素贝叶斯分类器很转载 2016-12-13 15:42:39 · 777 阅读 · 0 评论 -
PGM学习之二 PGM模型的分类与简介
原文:http://blog.csdn.net/polly_yang/article/details/9336129 通过上一篇文章的介绍,相信大家对PGM的定义和大致应用场景有了粗略的了解。那么接下来我们来深入了解下PGM。 首先要介绍的是Probabilistic models(概率模型),常用来描述不同的随机变量之前的关系,主要针对变量或变量间的相互不确定性的概率关系建模。总的来转载 2016-12-13 15:40:45 · 1028 阅读 · 0 评论