估计分类概率 决策树还可以估计某个实例属于特定类k 的概率：首先遍历树来查找此实例的叶节点，然后它返回此节点中类k 的训练实例的比例。 例如，假设你发现了一个花瓣长 5 厘米，宽 1.5 厘米的花朵。相应的叶节点是深度为 2 的左节点，因此决策树应该输出以下概率：Iris-Setosa 为 0%（0/54），Iris-Versicolor 为 90.7...

一、概率图模型 一、概率图模型 考虑三个随机变量 ，其联合概率分布为： 对每个随机变量引入一个节点，然后为每个节点关联上式右侧对应的条件概率。 对于每个条件概率分布，在图中添加一个链接（箭头）：箭头的起点是条件概率的条件代表的结点。 对于因子 ，因为它不是条件概率，因此没有输入的链接。 如果存在一个从结点 到结点 的链接，...

概率统计方法 简介 概率分布 连续分布 正态分布 其他连续分布 离散分布 自定义离散分布 假设检验 独立样本 t 检验 配对样本 t 检验 p 值计算原理 概率统计方法 简介 Python 中常用的统计工具有 Numpy, Pandas, PyMC, StatsModels 等。 Scipy 中的子库 scipy....

几个反直觉的概率问题 一、男孩女孩问题 二、生日悖论 三、三门问题 几个反直觉的概率问题 上篇文章 洗牌算法详解 讲到了验证概率算法的蒙特卡罗方法，今天聊点轻松的内容：几个和概率相关的有趣问题。 计算概率有下面两个最简单的原则： 原则一、计算概率一定要有一个参照系，称作「样本空间」，即随机事件可能出现的所有结果。事件 A 发生的概率 = ...

边际概率推断 边际概率推断 基于概率图模型定义的联合概率分布，能够对目标变量的边际分布进行推断。概率图模型的推断方法可以分为两大类： 精确推断方法。该方法的缺点：通常情况下此类方法的计算复杂度随着极大团规模的增长呈现指数级增长，因此适用范围有限。 近似推断方法。此类方法在实际任务中更常用。

5.1 底层的概率模型 5.1 底层的概率模型 理解朴素贝叶斯分类器的另一种方式是它为输入选择最有可能的标签，基于下面的假设：每个输入值是通过首先为那个输入值选择一个类标签，然后产生每个特征的方式产生的，每个特征与其他特征完全独立。当然，这种假设是不现实的，特征往往高度依赖彼此。我们将在本节结尾回过来讨论这个假设的一些后果。这简化的假设，称为朴素贝叶...

概率论与随机过程 概率论与随机过程 一、概率与分布 二、期望和方差 三、大数定律及中心极限定理 五、常见概率分布 六、先验分布与后验分布 七、信息论 八、其它

概率图模型 概率图模型 一、概率图模型 二、贝叶斯网络 三、马尔可夫随机场 四、条件随机场 CRF

第4章 基于概率论的分类方法：朴素贝叶斯 朴素贝叶斯 概述 贝叶斯理论 & 条件概率 贝叶斯理论 条件概率 使用条件概率来分类 朴素贝叶斯 场景 朴素贝叶斯 原理 朴素贝叶斯 工作原理 朴素贝叶斯 开发流程 朴素贝叶斯 算法特点 朴素贝叶斯 项目案例 项目案例1: 屏蔽社区留言板的侮辱性言论 项目概述 开发流程 项目案例2: 使用朴...