bayes

贝叶斯算法 mapreduce实现

 *找到抽样用户的特征,得到每个特征的概率 *输入：属性1  属性2  属性3  属性4   类别 *命令：hadoopjarrecommend_cf.jarcom.funshion.machine.bayes.Bayes2
benpaobagzb·2015-08-28 21:00

BN Topic Model 中如何判断conditional independence p(x,y|z)

usethebayesballmethodhttp://www.cs.ubc.ca/~murphyk/Bayes/bnintro.htmlIngeneral,theconditionalindependencerelationshipsencodedbyaBayesNetarebestbeexplainedbymeansofthe
xyqzki·2015-08-24 17:00

不确定性推理概述

4.1.2不确定性推理方法的分类可信度方法、主观Bayes方法、证据理论都是在概率论的基础上发展起来的不确定性推理方法。4.1.3不确定性推理知识库是人工智能的核心，而知识库中的知
weixin_30339457·2015-08-23 10:00

机器学习—— 基于朴素贝叶斯分类算法构建文本分类器的Python实现

gamer_gyt/article/details/47205371Python代码实现：调用方式：进入该文件所在目录，输入python，执行>>>importbayes>>>bayes.testingNB
Gamer_gyt·2015-08-22 17:00

数据挖掘十大算法——Naive Bayes

简介Naive和BayesNaive：假定向量中的所有特征是相互独立的Bayes：面向的问题NB主要用于解决有监督分类问题。
jmy5945hh·2015-08-12 09:00

数据挖掘方法案例介绍

article/111329232013.html数据挖掘方法案例介绍发表于2013-11-1422:14来源：未知分类         分类是用于识别什么样的事务属于哪一类的方法，可用于分类的算法有决策树、bayes
buster2014·2015-07-31 14:00

利用standford-nlp库实现Naive Bayes文本分类系统

什么是文本分类自然语言处理中，经常需要处理一类问题——文本分类。例如给定一段新闻内容，将新闻自动分类为体育，财经，娱乐中的一个分类；又或者对于接收到的邮件，自动识别邮件是否为广告邮件；又比如对于一段影评，自动判断其为差评还是好评；…….总之应用非常广泛，此处不再累赘。我们知道，这样的任务，对于我们人来说，其实不是非常费力的，那么如何使计算机也拥有类似我们这样的智能呢？接下来，我将介绍如何利用斯坦福
aws3217150·2015-07-24 19:00

数据挖掘历史中的重要里程碑

1763年，ThomasBayes的论文在他死后发表，他所提出的Bayes理论将当前概率与先验概率联系起来。因为Bayes理论能够帮助理解基于概率估计的复杂现况，所以它成为了数据挖掘和概率论的基础。
数据分析师·2015-07-22 18:00

机器学习-Kaggle竞赛-Digit recognizer

尝试了用KNN，bayes，LogisticRegression,svm。
我非英雄·2015-07-04 10:24

贝叶斯网络

作者：金良（[email protected]）csdn博客：http://blog.csdn.net/u012176591dlibC++Libraryhttp://dlib.net/bayes.html
u012176591·2015-05-29 09:00

数据挖掘十大经典算法

Mining (ICDM) 2006年12月评选出了数据挖掘领域的十大经典算法：C4.5, k-Means, SVM, Apriori, EM, PageRank, AdaBoost, kNN, Naive Bayes
abc123456789cba·2015-05-15 14:00

Discrete Mathematics and Its applications - 离散数学及其应用 读书笔记 （ 一 ）

《Discrete》一书中，讲到Bayes理论的第二个应用，就是求解得病概率的问题。
wujiandao·2015-05-10 17:00

data mining - 实用机器学习工具与技术 - 读书笔记（ 二 ）

Bayes,贝叶斯理论是用来计算概率问题的。在一个给定概率的事件发生的基础上，另一种事件发生的额概率是多少呢？
wujiandao·2015-05-09 17:00

机器学习——朴素贝叶斯（NBC）

同时，对于所有机器学习方法，到处都蕴含着Bayes统计的思想。
u010487568·2015-04-27 00:00

bayes network新理解（2）

1）Readingconditionalindependencerelationsfromthe graphEachnodeisconditionlyindependentofitsnon-descendents,givenitsimmediateparents.D-separation 2）为什么需要BayesNetwork样本数据不足以支撑“整个特征集”之间的相互关系，只好通过“部分特征集”之
mmc2015·2015-04-21 13:00

bayes network新理解（1）

来自http://www.cs.cmu.edu/~tom/10701_sp11/Mitchell老师的公开课ppt参数个数，能想明白吗？（所有feature都是boolean）不明白构建贝叶斯信念网的算法？看下面的图，结点x3和x1是可以互换的，不影响链式法则的使用。。。想一想naivebayes的bayesnetwork对应的结构：同时，上图x3到x4的有向边还可以从x4指向x3，原因是图中右边
mmc2015·2015-04-07 20:00

Logistic Regression and Naive Bayes新的理解点

来自http://www.cs.cmu.edu/~tom/10701_sp11/Mitchell老师的公开课pptMAP相对于MLE而言，给出了待估计参数的先验概率；MLE仅仅根据训练集训练参数，而不考虑参数的先验概率：下面这张ppt说明了为什么要进行“regularization”以及regularizationterm的来源：Generativevs.DiscriminativeClassif
mmc2015·2015-04-07 10:00

机器学习之Bayes

基本思想朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。算法的基础是概率问题，分类原理是通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类。朴素贝叶斯假设是约束性很强的假设，假设特征条件独立，但朴素贝叶斯算法简单，快速，具有较小的出错率。算法流程假设某个体有n项特征（Feature），分别为F1、F2、...、Fn。
u014568921·2015-04-03 23:00

Spark Naive Bayes

    贝叶斯分类法是统计学分类方法，假定一个属性值在给定类上的影响独立于其他属性的值，这一假定称为类条件独立性，此假定称为朴素的。 val rawdataPath = "your raw data path"     // line -> user,featureCategoricalOne,fTwo,featureCategoricalThree,label     val rawData
blue1110·2015-03-26 18:00

关于Rocchio分类算法的总结与思考

除了Bayes（概率模型）、KNN（相似度模型）、SVM（非线性模型）等，发现还有个Rocchio算法，以前没有研究，查阅众多文献，都说分类效率高，但是效果不好，一般作为基准比较对象。
renyp8799·2015-03-23 10:00

在MATLAB中实现Bayes分类器

一、基本的Bayes分类器实现这里将在MATLAB中实现一个可以对两类模式样本进行分类的贝叶斯分类器，假设两个模式类的分布均为高斯分布。模式类1的均值矢量m1=(1,3)，
liyuefeilong·2015-03-19 20:00

朴素贝叶斯分类器的应用

FROM：http://www.ruanyifeng.com/blog/2013/12/naive_bayes_classifier.html作者：阮一峰日期：2013年12月16日生活中很多场合需要用到分类
Real_Myth·2015-03-13 11:00

基于naive bayes的文本分类算法

琢磨了两天，对于朴素贝叶斯的原理弄得很清楚，可是要做文本分类，看了好多文章知道基于朴素贝叶斯公式，比较出后验概率的最大值来进行分类，后验概率的计算是由先验概率与类条件概率的乘积得出，先验概率和类条件概率要通过训练数据集得出，即为朴素贝叶斯分类模型，将其保存为中间结果，测试文档进行分类时调用这个中间结果得出后验概率。大的思路理解的很清楚，可是中间的细节可以说很重要的部分没弄明白，中间得出的模型怎样和
renyp8799·2015-03-11 18:00

Bayes文本分类算法案例 学习笔记

在文本分类中,假设我们有一个文档d∈X,X是文档向量空间(document space),和一个固定的类集合C={c1,c2,c3,...,cj},类别又称为标签.显然,文档向量空间是一个高纬度空间.我们把一堆打了标签的文档集合<d,c>作为训练样本,<d,c>∈X×C, 例如：<d,c>={Beijing joins the World Trad
limengyu·2015-02-06 17:00

Bayes分类器案例 学习笔记

样本集如下： Day Outlook Temperature Humidity Wind PlayTennis D1 Sunny Hot High Weak No D2 Sunny Hot High Strong No D3 Overcast Hot High Weak Yes D4 Rain Mild High Weak Yes D5 Rain Cool Norma
limengyu·2015-02-06 16:00

Naive Bayes导论

作者：金良（[email protected]）csdn博客：http://blog.csdn.net/u012176591文档下载地址http://download.csdn.net/detail/u012176591/8221593参考文献《统计学习方法》，李航著数据挖掘十大算法，XindongWu、VipinKumar著机器学习中的数学(2)-线性回归，偏差、方差权衡http:/
u012176591·2014-12-02 18:00

判别式模型与生成式模型

这种方法一般建立在统计力学和Bayes理论的基础之上。如果对条
u010555688·2014-11-25 15:00

文本分类——Naive Bayes

文本分类——NaiveBayes 1         NaiveBayes算法介绍 说起贝叶斯算法，不得不先提到概率论与数理统计课程里面的条件概率公式，对于随机试验E有两个随机事件A,B,且P(B)>0 那么在B事件发生的条件下A发生的概率为： 其中P(AB)为A，B两个事件的联合概率。对上式利用乘法公式可以变形为：这样就得到了贝叶斯公式。贝叶斯文本分类就是基于这个公式，利用先验概率来得到文本的分
Sweblish·2014-11-22 18:00

判别式模型与生成式模型

这种方法一般建立在统计力学和Bayes理论的基础之上。如果对条件概率P(m|o)建模，就是判别模型。其基本思想
wenyusuran·2014-11-06 10:00

【机器学习】文本分类——朴素贝叶斯Bayes

朴素贝叶斯主要用于文本分类。文本分类常见三大算法：KNN、朴素贝叶斯、支持向量机SVM。一、贝叶斯定理贝叶斯公式思想：利用已知值来估计未知概率。已知某条件概率，如何得到两个事件交换后的概率，也就是已知P(A|B)的情况下如何求得P(B|A)。条件概率：P(A|B)表示事件B已经发生的前提下，事件A发生的概率，叫做事件B发生下事件A的条件概率。基本求解公式：现实中通常遇到这种情况：可以很容易直接得出
DianaCody·2014-11-02 09:13

【机器学习】文本分类——朴素贝叶斯Bayes

    朴素贝叶斯主要用于文本分类。文本分类常见三大算法：KNN、朴素贝叶斯、支持向量机SVM。一、贝叶斯定理    贝叶斯公式思想：利用已知值来估计未知概率。已知某条件概率，如何得到两个事件交换后的概率，也就是已知P(A|B)的情况下如何求得P(B|A)。         条件概率：P(A|B)表示事件B已经发生的前提下，事件A发生的概率，叫做事件B发生下事件A的条件概率。基本求解公式：    
DianaCody·2014-11-02 09:00

数据挖掘 - 分类算法比较

Bayes贝叶斯分类器的分类原理是通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类。
一只死笨死笨的猪·2014-10-23 18:00

贝叶斯球（Bayes ball）

  在贝叶斯网络（BayesNetwork）中，已知结点（或结点集合）Z，结点X和结点Y关于Z条件独立，则记为 X⊥Y|Z。1.判断方法   判断贝叶斯网络中任意一对结点是否条件独立，最直观的方法是贝叶斯球（BayesBall）。其思想是：假设在贝叶斯网络中有一个按一定规则运动的球；已知中间结点（或结点集合）Z，如果球不能由结点X出发到达结点Y（或者由Y到X），则称X和Y关于Z独立。2.定义术语 
u014313009·2014-10-04 17:00

机器学习之Naive Bayes&&python实践

最为广泛的两种分类模型是决策树模型(DecisionTreeModel)和朴素贝叶斯模型（NaiveBayesianModel，NBC）。贝叶斯定理是在250多年前发明的算法，在信息领域内有着无与伦比的地位。贝叶斯分类是一系列分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。朴素贝叶斯算法（NaiveBayesian) 是其中应用最为广泛的分类算法之一。 贝叶斯定理(朴素贝叶斯法是
sp_programmer·2014-09-29 11:00

说说贝叶斯估计

        首先容许我自我吐槽一下：++啊，到了烟酒生才知道有贝叶斯（bayes）这个神器----->概率记为pA；真是+++啊，还是修了机器学习课程才知道的-------->概率记为pB。
g2s·2014-08-14 14:00

[Mahout] 使用Mahout 对Kddcup 1999的数据进行分析 -- Naive Bayes

虽然能得出预测、分类结果，但是对于Bayes具体是如何工作，以及如何处理自己的数据会比较茫然。 在努力了差不多一个星期之后，终于有点成果。 
RangerWolf·2014-07-19 11:00

Naive Bayes algorithm for spam classification （Matlab实现）

Materials,data,andalgorithmscomesfromStanfordAndrewNgMachineLearningcourseProblemset2(Q3).1.Preprocessing(1)datatset只保留邮件的subject和正文(2)所有单词转换成小写(3)emailaddress替换成wordEMAILADDR，类似的webaddress(HTTPADDR)，
William_Dong·2014-07-10 02:35

贝叶斯算法Hadoop实现<转>

 *找到抽样用户的特征,得到每个特征的概率 *输入：属性1  属性2  属性3  属性4   类别 *命令：hadoopjarrecommend_cf.jarcom.funshion.machine.bayes.Bayes2
yongjian_luo·2014-06-27 18:00

朴素贝叶斯算法分析及java 实现

1.先引入一个简单的例子出处：http://www.ruanyifeng.com/blog/2013/12/naive_bayes_classifier.html一、病人分类的例子让我从一个例子开始讲起
fz2543122681·2014-06-27 17:00

Bayes Rule （贝叶斯公式）

BayesRule贝叶斯定理公式：P(A|B)=P(B|A)*P(A)/P(B)现在我们可以变形得到：  P(A|B)*P(B)=P(B|A)*P(A)那么，他们之间有什么联系呢？例如：一座别墅在过去的20年里一共发生过2次被盗，别墅的主人有一条狗，狗平均每周晚上叫3次，在盗贼入侵时狗叫的概率被估计为0.9，问题是：在狗叫的时候发生入侵的概率是多少？‍原理通俗的解释 ：（最终相等： （狗叫+入侵）
江中炼·2014-06-21 18:00

OpenCV Machine Learning 之正态贝叶斯分类器源代码分析（Normal Bayes Classifier）

1. CvNormalBayesClassifier的 类定义在ml.hpp中有以下类定义：[cpp] viewplaincopyprint?class CV_EXPORTS_W CvNormalBayesClassifier : public CvStatModel  {  public:      CV_WRAP CvNormalBayesClassifier();      virtual 
zhjm07054115·2014-06-04 18:00

OpenCV Machine Learning 之正态贝叶斯分类器（Normal Bayes Classifier）的用法实例

本编博客通过以学生成绩为特征对学生进行分类，判断他是文科生还是理科生向大家分享OpenCV贝叶斯分类器的用法。该类的详细解释请看博文：http://blog.csdn.net/zhjm07054115/article/details/27631913分类器的用法大致分三步：第一步：构造已知标签的训练样本数据集第二步：训练分类器 （对应于train函数）第三步：用训练好的分类器对未知标签的样本进行分
zhjm07054115·2014-06-03 23:00

Naive Bayes text classification

Thefirstsupervisedlearningmethodweintroduceisthe multinomialNaiveBayes or multinomialNB model,aprobabilisticlearningmethod.Theprobabilityofadocument  beinginclass  iscomputedas   (113)  where  istheco
wbj0110·2014-06-03 10:00

Naive Bayes text classification

Thefirstsupervisedlearningmethodweintroduceisthe multinomialNaiveBayes or multinomialNB model,aprobabilisticlearningmethod.Theprobabilityofadocument  beinginclass  iscomputedas   (113)  where  istheco
wbj0110·2014-06-03 10:00

Naive Bayes text classification

Thefirstsupervisedlearningmethodweintroduceisthe multinomialNaiveBayes or multinomialNB model,aprobabilisticlearningmethod.Theprobabilityofadocument  beinginclass  iscomputedas   (113)  where  istheco
wbj0110·2014-06-03 10:00

朴素贝叶斯分类

贝叶斯定理 英国数学家贝叶斯（Thomas Bayes）曾经给出如下定理： P(A)表示A事件发生的概率，P(B)表示B事件发生的概率；P(A|B)表示在B事件已经确定发生的情况下，
wbj0110·2014-06-02 13:00

朴素贝叶斯分类

贝叶斯定理 英国数学家贝叶斯（Thomas Bayes）曾经给出如下定理： P(A)表示A事件发生的概率，P(B)表示B事件发生的概率；P(A|B)表示在B事件已经确定发生的情况下，
wbj0110·2014-06-02 13:00

hadoop学习-mahout-Bayes分类算法示例程序

首先在运行贝叶斯算法程序之前，运行环境要求：1、安装maven(书中没提到的)2、安装mahout3、安装hadoop关于2，3的安装方式可以参考书本里或者网上的方法。下面说说安装maven过程，网上很多是直接下载tar包，然后解压出来。 http://apache.etoak.com//maven/binaries/apache-maven-3.0.2-bin.tar.gz我是直接在终端下通过a
wenyusuran·2014-05-22 09:00

svm、Bayes、神经网络等分类器

数据仓库，数据库或者其它信息库中隐藏着许多可以为商业、科研等活动的决策提供所需要的知识。分类与预测是两种数据分析形式，它们可以用来抽取能够描述重要数据集合或预测未来数据趋势的模型。分类方法（Classification）用于预测数据对象的离散类别（Categorical Label）；预测方法（Prediction ）用于预测数据对象的连续取值。 分类技术在很多领域都有应用，例如可以通过
wbj0110·2014-05-19 14:00

svm、Bayes、神经网络等分类器

数据仓库，数据库或者其它信息库中隐藏着许多可以为商业、科研等活动的决策提供所需要的知识。分类与预测是两种数据分析形式，它们可以用来抽取能够描述重要数据集合或预测未来数据趋势的模型。分类方法（Classification）用于预测数据对象的离散类别（Categorical Label）；预测方法（Prediction ）用于预测数据对象的连续取值。 分类技术在很多领域都有应用，例如可以通过
wbj0110·2014-05-19 14:00
上一页 15 16 17 18 19 20 21 22 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他