- 博客(3)
- 资源 (8)
- 收藏
- 关注
原创 朴素贝叶斯算法的参数的最大似然估计
朴素贝叶斯算法的参数的最大似然估计设输入向量为。我们假定输入特征是离散的、二值化的变量,即。对每一个训练样例,输出对象是0或者1,即。我们的模型由参数化。我们把建模成伯努利分布,所以这是朴素贝叶斯最简单的特例之一。我们根据来建立的联合分布。(1)我们先写出。(2)计算关于各个参数的偏导数,令其为0,求得各个参数。先求,
2016-09-08 19:26:15 11054 3
原创 随机变量的数字特征(概率论常用知识)
随机变量的数字特征第一部分 数学期望一、随机变量的数学期望定义 1 设离散型随机变量的分布律为若,则称为随机变量的数学期望或均值。 定义 2 设连续型随机变量的概率密度为,若,则称为随机变量的数学期望或均值。 二、随机变量的函数的数学期望定理 1 设是随机变量的函数(是连续函数)。(1)若是离散型随机变量,其分布律为如果绝对收
2016-09-05 20:46:06 26055
翻译 生成学习算法之朴素贝叶斯算法
本文接着上一篇生成学习算法之高斯判别分析模型,来继续讲述生成学习算法。2 朴素贝叶斯算法在GDA中,特征向量是连续的实值向量。现在让我们讨论一种不同的学习算法,在这个算法中,是离散值。对于我们的激励的例子,考虑使用机器学习建立一个电子邮件的垃圾邮件过滤器。这里,我们希望根据它们是未经请求的商业(垃圾)电子邮件还是非垃圾邮件进行分类。在学习了这样做之后,我们然后可以让我们的邮件阅读器自
2016-09-02 21:37:02 6952 2
en.x-cube-classb-v2-3-0.zip
2020-01-10
en.stm8-safeclassb.zip
2020-01-10
Digital Design: Principles and Practices, 4th Edition
2018-12-27
学习opencv
2016-07-25
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人