概率图模型PGM
zbxzc
这个作者很懒,什么都没留下…
展开
-
朴素Bayes
假设某个体有n项特征(Feature),分别为F1、F2、...、Fn。现有m个类别(Category),分别为C1、C2、...、Cm。贝叶斯分类器就是计算出概率最大的那个分类,也就是求下面这个算式的最大值:P(C|F1F2...Fn) = P(F1F2...Fn|C)P(C) / P(F1F2...Fn)由于 P(F1F2...Fn) 对于所有的类别都是相同的,可以省略,问原创 2015-04-03 23:24:34 · 804 阅读 · 0 评论 -
MEMM最大熵马尔科夫模型
HMM MEMM CRF 区别 联系HMM,MEMM,CRF模型的比较标记偏置 隐马尔科夫 最大熵马尔科夫 HMM MEMM原创 2016-06-30 22:45:25 · 4735 阅读 · 0 评论 -
MRF马尔科夫随机场
PGM学习之七 MRF,马尔科夫随机场原创 2016-10-10 15:34:11 · 1772 阅读 · 0 评论 -
RBM
//RBM.hclass RBM {public: int N; int n_visible; int n_hidden; double **W; double *hbias; double *vbias; RBM(int, int, int, double**, double*, double*); ~RBM(); void contrastive_di原创 2015-05-05 11:06:02 · 1049 阅读 · 0 评论 -
基于最大熵模型的人名分类
字标注问题先看一个句子:我是一名程序员。将所有字分为4类,S表示单字,B表示词首,M表示词中,E表示词尾。如果我们知道上述句子中每个字的类别,即:我/S 是/S 一/B 名/E 程/B 序/M 员/E 。/S那么我们就可以知道这个句子的分词结果:我 是 一名 程序员 。从这里可以看出,分词问题转化成了一个分类问题,即对每个字分类。最大熵模型的一般表达式原创 2015-11-26 17:06:15 · 1326 阅读 · 0 评论 -
贝叶斯网络
贝叶斯分类器与贝叶斯网络原创 2016-09-28 16:03:49 · 808 阅读 · 0 评论 -
lda主题模型
其实这篇文章也可以叫gibbs抽样在lda主题模型中的应用。lda里的重头戏就是gibbs抽样。话说现在论文起名字也是技术活儿,一般人还把握不好,一样的内容起个不同的名字,被reject的几率有时还真不一样。lda主题模型又是一个有深厚数学背景的算法。主题模型(topic model)是一种使用概率的产生式模型来挖掘文本主题的新方法。Topic Model中假设,主题可以根据一定的规则原创 2015-12-02 19:17:36 · 3360 阅读 · 0 评论 -
HMM隐马尔科夫模型
马尔科夫过程在概率论及统计学中,马尔可夫过程(英语:Markov process)是一个具备了马尔可夫性质的随机过程,因为俄国数学家安德雷·马尔可夫得名。马尔可夫过程是不具备记忆特质的(memorylessness)。换言之,马尔可夫过程的条件概率仅仅与系统的当前状态相关,而与它的过去历史或未来状态,都是独立、不相关的。一个马尔科夫过程是状态间的转移仅依赖于前n个状态的过程。这个过程被称之原创 2015-06-20 23:06:57 · 4027 阅读 · 1 评论 -
条件随机场
马尔科夫随机场马尔可夫随机场(Markov Random Field)包含两层意思。马尔可夫性质:它指的是一个随机变量序列按时间先后关系依次排开的时候,第N+1时刻的分布特性,与N时刻以前的随机变量的取值无关。拿天气来打个比方。如果我们假定天气是马尔可夫的,其意思就是我们假设今天的天气仅仅与昨天的天气存在概率上的关联,而与前天及前天以前的天气没有关系。其它如传染病和谣言的传播规律,就是马尔原创 2015-11-30 23:54:16 · 2657 阅读 · 0 评论