bayes

机器学习理论与实战（三）朴素贝叶斯

举报朴素贝叶斯naivebayes机器学习     贝叶斯决策一直很有争议，今年是贝叶斯250周年，历经沉浮，今天它的应用又开始逐渐活跃，有兴趣的可以看看斯坦福BradEfron大师对其的反思，两篇文章：“Bayes'Theoreminthe21stCentury
pi9nc·2013-07-08 09:00

机器学习理论与实战（三）朴素贝叶斯

贝叶斯决策一直很有争议，今年是贝叶斯250周年，历经沉浮，今天它的应用又开始逐渐活跃，有兴趣的可以看看斯坦福BradEfron大师对其的反思，两篇文章：“Bayes'Theoreminthe21stCentury
marvin521·2013-07-07 11:16

机器学习理论与实战（三）朴素贝叶斯

     贝叶斯决策一直很有争议，今年是贝叶斯250周年，历经沉浮，今天它的应用又开始逐渐活跃，有兴趣的可以看看斯坦福BradEfron大师对其的反思，两篇文章：“Bayes'Theoreminthe21stCentury
cuoqu·2013-07-07 11:00

朴素贝叶斯文本分类

首先从bayes公式开头吧      P（C/W） =P(C)*P(W/C)/P(W)这个公式是ML中最基本也
oanqoanq·2013-07-02 20:00

利用Naive Bayes分类器编写垃圾邮件过滤器

原理分析总体思想利用NaiveBayes（后验概率）计算特征所属空间的概率，取其最大者为判定结果。如下，其中P表示概率，w表示所属类别。对于Prior，可用如下公式进行计算：对于Likelihood中独立同分布的各项概率，可用如下公式计算：训练输入为上万封电子邮件内容，包含垃圾邮件/非垃圾邮件。提取邮件内单词，改写为小写单词输入字典，过滤出现1次的单词，过滤长度只有1的单词，过滤出现总次数超过1万
rk2900·2013-05-28 14:00

贝叶斯推断及其互联网应用

它是贝叶斯定理（Bayes'theorem）的应用。英国数学家托马斯·贝叶斯（ThomasBayes）在1763年发表的一篇论文中，首先提出了这个定理。贝叶斯推断与其他统计学推断方法截然不同。
·2013-05-28 10:00

Exercise 6: Naive Bayes

Exercise6:NaiveBayesInthisexercise,youwilluseNaiveBayestoclassifyemailmessagesintospamandnonspamgroups.Yourdatasetisapreprocessedsubsetofthe Ling-SpamDataset,providedbyIonAndroutsopoulos.Itisbasedon96
ncztc·2013-05-25 14:00

Bayes Classifier 分类

BayesClassifier分类在模式识别的实际应用中，贝叶斯方法绝非就是post正比于prior*likelihood这个公式这么简单，一般而言我们都会用正态分布拟合likelihood来实现。用正态分布拟合是什么意思呢？贝叶斯方法式子的右边有两个量，一个是prior先验概率，这个求起来很简单，就是一大堆数据中求某一类数据占的百分比就可以了，比如300个一堆的数据中A类数据占100个，那么A的
xlm289348·2013-05-03 16:00

Bayes Classifier 分类

Bayes Classifier 分类 在模式识别的实际应用中，贝叶斯方法绝非就是post正比于prior*likelihood这个公式这么简单，一般而言我们都会用正态分布拟合likelihood来实现
runfeel·2013-05-03 16:00

更好理解贝叶斯定律(Bayes Law)和卡曼滤波器(Kalman Filter)原理

在概率理论中，我们都学习过贝叶斯理论：P(A|B)=P(A)P(B|A)/P(B)。它的意义在模式识别和卡曼滤波中是基础。理解它，是学习高级算法的前提。至于模式识别和卡曼滤波等很有价值的方法的超级意义，请您自己查阅。写本文也帮助作者更好理解贝叶斯定律。若想学，请静心。1.理解贝叶斯理论：这里有事件A:下雨  事件B:刮风我们的问题是：在刮风的条件下，下雨的概率是多少？问题就被人们抽象成了：P(A|
sonictl·2013-04-11 11:00

朴素贝叶斯文本分类过程

对于上一篇Bayes的基本概念比较清晰和熟悉之后，迫不及待的想要看到其进一步应用。
workerwu·2013-04-05 06:00

贝叶斯学习基本概念

Bayes:名词. 常用的表达法有  Bayes'rule;NaiveBayesclassifier;Bayesian:形容词. 
workerwu·2013-04-04 12:00

推荐引擎文档集合

developerworks/cn/java/j-mahout/#resources http://java.dzone.com/news/ham-spam-and-elephants-or-how Naive Bayes
san_yun·2013-03-26 14:00

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，发生A事件的概率
RayChase·2013-03-19 11:00

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，发生A事件的概率
RayChase·2013-03-19 11:00

线性判别分析LDA解析2

根据判别标准不同，可以分为距离判别、Fisher判别、Bayes判别法等。比如在KNN中用的就是距离判别，当然这里的“距离”又有
carson2005·2013-03-08 23:00

贝叶斯推断及其互联网应用

它是贝叶斯定理（Bayes'theorem）的应用。英国数学家托马斯·贝叶斯（ThomasBa
limiteee·2013-03-04 17:00

Bayes' Rule-贝叶斯定理

一.基本的Bayes'Rule基本贝叶斯定理贝叶斯定理是关于随机事件A和B的条件概率（或边缘概率）的一则定理。其中P(A|B)是在B发生的情况下A发生的可能性。
polly_yang·2013-02-28 18:00

使用 C# 进行 Naive Bayes 分类

NaiveBayes分类的工作原理以图1为例，程序目标是预测职业为教育，习惯用右手且身高较高（不低于71.0英寸）的人员的性别（男性或女性）。为此，我们可以计算具有这一指定信息的人员是男性的概率，以及具有这一指定信息的人员是女性的概率，然后依据其中较大的概率来预测性别。若用符号表示，我们希望得出P(male|X)（含义是“给定自变量值X的条件下是男性的概率”）和P(female|X)，其中X是(e
·2013-02-28 16:00

贝叶斯算法原理

Bayes法是一种在已知先验概率与条件概率的情况下的模式分类方法，待分样本的分类结果取决于各类域中样本的全体。
·2013-02-27 13:00

mahout贝叶斯并行分类分析

贝叶斯并行分类分析1贝叶斯训练器所在包：Packageorg.apache.mahout.classifier.bayes实现机制Theimplementationisdividedupintothreeparts
nuoline·2013-02-25 18:00

mahout贝叶斯并行分类源码分析

 1贝叶斯训练器所在包：Packageorg.apache.mahout.classifier.bayes实现机制Theimplementationisdividedupintothreeparts:TheTrainer
nuoline·2013-02-25 18:00

mahout并行分类bayes源码分析-2

2模型 BayesModel 类时用来表示训练结果的数据结构，BayesClassifier 需要使用。isthedatastructureusedtorepresenttheresultsofthetrainingforusebytheBayesClassifier.AModelcanbecreatedbyhand,or,ifusingtheBayesDriver,itcanbecreatedf
nuoline·2013-02-25 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
chinaliping·2013-01-31 10:52

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
chinaliping·2013-01-31 10:00

什么是Markov chain Monte Carlo？

此外，得益于MCMC理论的运用，使得贝叶斯(Bayes)统计得到了再度复兴，
windowsLearner·2013-01-28 14:00

Python: naive bayes

#!/usr/bin/envpython #encoding:utf-8 ''' docstringfornaivebayes x:refertoattr y:refertocls p(y|x)=p(x|y)*p(y)/p(x) buthereneedn'tclacp(x) ''' from__future__importdivision defcalc_prob_cls(train,cls_
Honghe·2013-01-09 10:00

Naive Bayes分类示例

http://openresearch.baidu.com/activitybulletin/448.jhtml NaiveBayes分类示例发布日期：2012-11-0815:29:30 发布人：本站编辑 来源：本站原创 浏览次数：5次 1.简介(1) 贝叶斯分类器的分类原理发源于古典概率理论，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
windowsLearner·2013-01-07 16:00

论文读书笔记-large scale text classfication using semi-supervised multinomial naïve bayes

  论文标题：largescaletextclassficationusingsemi-supervisedmultinomialnaïvebayes.这篇论文介绍的又是一种分类方法，估计多半是用在模式识别之中。下面是从本文中摘抄的一些要点，有些地方依然没有读懂。1、             MNB(multinomialnaïvebayes)介绍Givenasetoflabeleddata,MN
jj12345jj198999·2012-12-22 16:00

贝叶斯分类

在许多场合，朴素贝叶斯(Naïve Bayes，NB)分类算法可以与 决策树和神经网络分类算法相媲美，该算法能运用到大型数据库中，且方法简单、分类准确率高、速度快。
wsql·2012-12-12 22:00

mahout中bayes分类分析—2

2、 模型 以上训练部分的四个job 执行完毕后，整个 bayes 模型就建立完毕了，总共生成并保存三个目录文件： trainer-tfIdf trainer-weights trainer-thetaNormalizer
lbxhappy·2012-11-27 17:00

mahout中bayes分类分析—1

根据http://blog.163.com/jiayouweijiewj@126/blog/static/17123217720113115027394/进行了bayes学习分析，部分内容做了更改：
lbxhappy·2012-11-26 14:00

数据挖掘十大经典算法学习之Naive Bayes朴素贝叶斯

贝叶斯方法的提出：正概率问题：假如袋子里有M个黑球、N给白球，你伸手进去摸一个，摸出黑球的概率有多大？摸出白球的的概率有多大？解答：黑球概率P(A)=M/(M+N)，白球概率P(B)=N/(M+N)。——(1)逆概率问题：事先不知道袋子里有多少个黑球、多少个白球，你怎样通过实验，预测黑白球的比例？解答：采用不放回地摸取，摸出k个球，其中m个黑球，n个白球，通过计算m、n占k的比例，来推断袋子里黑球
vshadow·2012-11-22 16:00

R语言学习笔记

D.M.SmithandtheRDCT:IntroductiontoR--NotesonR:AProgrammingEnvironmentforDataAnalysisandGraphics,2003.http://bayes.math.montana.edu
jack237·2012-11-22 08:14

R语言学习笔记

D.M.SmithandtheRDCT:IntroductiontoR--NotesonR:AProgrammingEnvironmentforDataAnalysisand Graphics, 2003.http://bayes.math.montana.edu
jack237·2012-11-22 08:00

[转]贝叶斯球(Bayes Ball)算法

参考：http://www.cnblogs.com/pangliang/archive/2011/02/27/1966303.html  用有向图表示的概率模型也叫“贝叶斯网络”.贝叶斯网络中的两个结点与关于结点(或结点集合)条件独立时我们称“D-separates”与,写作.D-Separation中的D指Directed.从图形上看,结点集合“D-separates”结点与结点是指任意一条从到
windshg·2012-11-12 10:00

两种方法设计分类器

例如Bayes最大后验概率准则；或者将模型中的参数当作提取的特征（参数一般都比较少，所以这么做实际上是在降维），在这些新特征上设计分
hua_007·2012-11-05 11:00

Khan公开课 - 概率学习笔记（二）无顺序独立事件、数学符号、Bayes's Law、非公平概率计算

无顺序的独立事件例如1：flipcoins，抛4次，求2次为正面的概率。所有的可能排列的概率为2×2×2×2，符合要求的events的次数可以罗列出来，但是如果抛的次数多，是不可能的，换种思考方式。这2个正面放在4个位置，有多少中放法。假设一个证明为HA，另一个为HB，HA可以放4个位置，而当HA确定后，HB可以放余下的3个位置，所以放法4×3=12。但是实际上HA和HB是无顺序要求的，即HAHB
flowingflying·2012-11-03 22:00

Bayes classifier and LDA, PLSA

最近因为想写几个简单的分类器，其实原来也没写过什么分类器，尤其是supervised.最近在看Bayesclassifier，是去产检时等叫号时看的，看过之后我明白了，之前有位指导我们的同事说的，说lda,plsa其实就是bayes
caoeryingzi·2012-09-22 21:00

[置顶] hadoop下mahout bayes（贝叶斯）算法研究（2）

接前面的hadoop下mahout-bayes（贝叶斯）算法研究（1） 9.输出数据含义分析与研究  这个混合矩阵的意思说明： 上述a到u分别是代表了有20类别，这就是我们之前给的20个输入文件                                                                                                       
zc55803903·2012-09-02 20:00

[置顶] hadoop下mahout bayes（贝叶斯）算法研究（1）

1.算法简介 朴素贝叶斯分类是一种十分简单的分类算法，叫它朴素贝叶斯分类是因为这种方法的思想真的很朴素，朴素贝叶斯的思想基础是这样的：对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率哪个最大，就认为此待分类项属于哪个类别。这二十个新闻组数据集合是收集大约20,000新闻组文档，均匀的分布在20个不同的集合。这20个新闻组集合采集最近流行的数据集合到文本程序中作为实验，根据机器学习技术。
zc55803903·2012-09-01 20:00

mahout中bayes分类分析—1

17123217720113115027394/ 实现包括三部分：The Trainer（训练器）、The Model（模型）、The Classifier（分类器） 1、训练 首先，要对输入数据进行预处理，转化成Bayes
lbxhappy·2012-08-21 16:00

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
·2012-07-28 09:00

统计语言模型（SLM）

统计方法：任何语言片断都有存在的可能，只是可能性大小不同对于一个文档片段d=w1w2…wn，统计语言模型是指概率P(w1w2…wn)求解，根据Bayes
zhoubl668·2012-07-23 11:00

贝叶斯（Bayes）分类器

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。目前研究较多的贝叶斯分类器主要有四种，分别是：NaiveBayes、TAN、BAN和GBN。贝叶斯网络是一个带有概率注释的有向无环图，图中的每一个结点均表示一个随机变量，图中两结点间若存在着一条弧，则表示这两结点相对应的随机变量是概率相依的，反之则说明
whycold·2012-06-23 15:00

Visual Categorization with Bags of Keypoints

文章中比较了两个基本的方法，分别是：BAYES和SVM。
anlou·2012-05-30 11:00

贝叶斯与向量机的理解

Bayes法Bayes法是一种在已知先验概率与条件概率的情况下的模式分类方法，待分样本的分类结果取决于各类域中样本的全体。
iteye_20681·2012-05-23 15:10

贝叶斯与向量机的理解

Bayes法 Bayes法是一种在已知先验概率与条件概率的情况下的模式分类方法，待分样本的分类结果取决于各类域中样本的全体。
blueyanghualong·2012-05-23 15:00

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
朱坤朋·2012-05-09 10:00

概率神经网络 PNN

概率神经网络是基于统计原理的神经网络模型，在分类功能上与最优Bayes分类器等价，其实质是基于贝叶斯最小风险准则发展而来的一种并行算法，同时它不像传统的多层前向网络那样需要用BP算法进行反向误差传播的计算
alaclp·2012-05-04 11:11
上一页 16 17 18 19 20 21 22 23 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他