一、什么是貝葉斯推斷 貝葉斯推斷（Bayesian inference）是一種統計學方法，用來估計統計量的某種性質。 它是貝葉斯定理（Bayes' theorem）的應用。英國數學家托馬斯·貝葉斯（Thomas Bayes）在1763年發表的一篇論文中，首先提出了這個定理。 貝葉斯推斷 ...

分層貝葉斯模型 對於一個隨機變量序列$Y_{1},...,Y_{n} $，如果在任意排列順序$\pi $下，其概率密度都滿足$p(y_{1},...,y_{n})=p(y_{\pi_{1}},...,y_{\pi_{n}}) $，那么稱這些變量是可交換的。當我們缺乏區分這些隨機變量的信息時 ...

1. 蒙特卡洛估計 若$\theta$是要估計的參數，$y_{1},...,y_{n}$是從分布$p(y_{1},...,y_{n}|\theta) $中采樣的樣本值，假定我們從后驗分布$p( ...

One-Shot Learning with a Hierarchical Nonparametric Bayesian Model 該篇文章通過分層貝葉斯模型學習利用單一訓練樣本來學習完成分類任務，模型通過影響一個類別的均值和方差，可以將已經學到的類別信息用到新的類別當中。模型能夠發現如何組合 ...

貝葉斯學習小結 朴素貝葉斯和貝葉斯信念網絡學習，知識點以及個人一些理解的小結。 概率論只不過是把常識用數學公式表達了出來。 ——拉普拉斯 1.本文思路分析 （1）基本概率公式：條件概率，全概率，貝葉斯定理 （2）朴素貝葉斯算法：極大似然估計，判定准則，拉普拉斯平滑 （3）半朴素貝葉斯 ...

0. 前言 這是一篇關於貝葉斯方法的科普文，我會盡量少用公式，多用平白的語言敘述，多舉實際例子。更嚴格的公式和計算我會在相應的地方注明參考資料。貝葉斯方法被證明是非常 general 且強大的推理框架，文中你會看到很多有趣的應用。 1. 歷史 托馬斯·貝葉斯（Thomas Bayes）同學 ...

簡介 朴素貝葉斯是一種基於概率進行分類的算法，跟之前的邏輯回歸有些相似，兩者都使用了概率和最大似然的思想。但與邏輯回歸不同的是，朴素貝葉斯通過先驗概率和似然概率計算樣本在每個分類下的概率，並將其歸為概率值最大的那個分類。朴素貝葉斯適用於文本分類、垃圾郵件處理等NLP下的多分類問題。 核心 ...

　　最近一直在看機器學習相關的算法，今天我們學習一種基於概率論的分類算法—朴素貝葉斯。本文在對朴素貝葉斯進行簡單介紹之后，通過Python編程加以實現。 一 朴素貝葉斯概述 ...