贝叶斯方法
weixin_40293999
前几年web后端,后来AI深度学习,会一些运维。 AI聚焦于CV领域,熟悉nlp
展开
-
【模式识别】关联规则挖掘
ref仓库:https://github.com/blackAndrechen/data_mine。挖掘出的关联规则可以用在I/O request的预测上。上面几个ref已经很好了。这里是自己看的,记录一下。Apriori与FP-Growth。1.条件模式基=>频繁集项。原创 2024-03-04 17:54:45 · 387 阅读 · 0 评论 -
【频率派和贝叶斯派】进阶学习-贝叶斯方法原理、基本结构、代码构建+图模型
频率派与贝叶斯派各自不同的思考方式:1.频率派把需要推断的参数θ看做是固定的未知数,既概率虽然是未知的,但最起码是确定的一个值,同时,样本X是随机的,所以频率派重点研究样本空间,大部分概率计算都是针对样本空间X的分布;2.贝叶斯派的观点是相反的,他们认为参数θ是随机变量,而样本X是固定的,由于样本是固定的,所以他们研究的是参数θ的分布。贝叶斯派既然把θ看做是一个随机变量,所以要计算θ的分布,使得事先知道θ的无条件分布,既在有样本之前(或观察到X之前),θ有着怎样的分布、原创 2023-08-06 16:53:05 · 259 阅读 · 0 评论