(学习这部分内容大约需要1.1小时) 摘要 在模型选择中, 我们通常从一组候选模型中选择一个"最优"的模型(基于某种模型评价准则, 比如AIC分数). 然后, 使用这个选定的"最优"模型进行预测. 与这种选择单一最优模型不同的是, 贝叶斯模型平均给每个模型赋予权重, 并进行加权平均确定最终 ...

分层贝叶斯模型 对于一个随机变量序列$Y_{1},...,Y_{n} $，如果在任意排列顺序$\pi $下，其概率密度都满足$p(y_{1},...,y_{n})=p(y_{\pi_{1}},...,y_{\pi_{n}}) $，那么称这些变量是可交换的。当我们缺乏区分这些随机变量的信息时 ...

朴素贝叶斯中的基本假设 训练数据是由$P\left( {X,Y} \right)$独立同分布产生的 条件独立假设（当类别确定时特征之间是相互独立的）：\[P\left( {X = x|Y = {c_k}} \right) = P\left( {{X^{\left( 1 \right ...

我理解的朴素贝叶斯模型 我想说：“任何事件都是条件概率。”为什么呢？因为我认为，任何事件的发生都不是完全偶然的，它都会以其他事件的发生为基础。换句话说，条件概率就是在其他事件发生的基础上，某事件发生的概率。 条件概率是朴素贝叶斯模型的基础。 假设，你的xx公司正在面临着用户流失的压力 ...

看这个模型很久了，可能一直深入的不够，现把自己的一点愚见不断的贴上来，一起交流，共同进步。 贝叶斯非参数模型是一种定义在无限维参数空间上的贝叶斯模型。其大概的意思是说非参数模型的大小可以随着模型内数据的增大或减小而自适应模型的变化，可以根据数据的多少选择参数来确定模型（这一定义的直观解释参考 ...

前面已经介绍过朴素贝叶斯的原理，今天来介绍一下朴素贝叶斯的三个常用模型：多项式模型、伯努利模型和高斯模型。 多项式模型 该模型常用于文本分类，特征是单词，值是单词的出现次数。 在多项式模型中，设某文档d={t1,t2,...,tk}，ti(i=1,2,...,k)为在该文档d中出现的单词 ...

1、贝叶斯定理 P(A∣B)=P(A)P(B∣A)P(B) P(A|B)是已知B发生后A的条件概率，也由于得自B的取值而被称作A的后验概率。 P(B|A)是已知A发生后B的 ...

1. 蒙特卡洛估计 若$\theta$是要估计的参数，$y_{1},...,y_{n}$是从分布$p(y_{1},...,y_{n}|\theta) $中采样的样本值，假定我们从后验分布$p( ...