机器学习笔记(十四)概率图模型
14.概率图模型14.1隐马尔可夫模型1、概率模型机器学习是根据一些已观察到的证据（如训练样本）来对感兴趣的未知变量（如类别标记）进行估计和预测。概率模型（probabilistic model）提供了一种描述框架，将学习任务归结于计算变量的概率分布在概率模型中，利用已知变量推测未知变量的分布称为推...
数学概率之z=x+y和z=x-y和z=x/y的分布
Z=X+Y 的分布设(X,Y)的概率密度为f(x,y)，则Z=X+Y的分布函数为：故Z=X+Y的概率密度为：由X，Y的对等性，fZ(z)f_{Z}(z)fZ(z) 又可写成卷积公式：如果X和Y相互独立时，Z=X+Y的密度函数公式称为卷积公式即：fZ(z)＝∫−∞+∞fX(z−y)fY(y)dy=∫...
人工智能数学基础--概率论
概率论概率论与人工智能•概率论是研究不确定的学科。•概率论是现有许多人工智能算法的基础。现阶段的很多人工智能算法都是数据驱动的，且目的大多为了做预测或是作出更好的决策。如：o机器翻译中，如何检测你输入的语言种类。一种简单的方法就是把你输入的词或句子进行分解，计算各语言模型的概率，然后概率最高的是最后...
通过实例理解如何选择正确的概率分布
概率分布 概率分布是描述获得事件可能值的数学函数。概率分布可以是离散的，也可以是连续的。离散分布是指数据只能取某些值，而连续分布是指数据可以取特定范围内的任何值(可能是无限的)。 离散概率分布有很多种。离散概率分布的使用取决于数据的属性。例如，使用:二项分布，计算在每次试验中只有两种可能结果之一...
【学习笔记】常见概率分布【一】
一：两点分布[0-1分布]掷硬币，结果只有‘正’和‘反’两种情况，这就是典型的两点分布。 则有： 二：二项分布[Bernoulli distribution]二项分布就是重复次独立的伯努利试验（掷了次硬币），每次试验中只有两种可能的结果（正反），且各...
《Excel数据可视化：一样的数据不一样的图表》——2.3 概率统计中的正态分布和偏态分布...
本节书摘来自华章计算机《Excel数据可视化：一样的数据不一样的图表》一书中的第2章，第2.3节，作者 恒盛杰资讯，更多章节内容可以访问云栖社区“华章计算机”公众号查看。2.3 概率统计中的正态分布和偏态分布概率可以理解为随机出现的相对数。随机现象是相对于决定性现象而言的。在一定条件下必然发生某一结...
小程序页面调取api进行页面数据更新时，数据有概率出现未及时刷新问题
出现场景： 这里新增、删除后调取刷新api后，页面数据未及时改变！自己的误区：1.将方法 that.findQuestionCategories();位置放置在新增wx.request({})的api之后，这样会导致有时两者一起加载了，导致后面新增后数据刷新不过来。2.小程序中一般在一个方法（函数）...
用Python可以解决的数学问题，探究代数、统计、几何、概率等
我们将编写程序，把数字和公式作为输入，进行一些计算，然后得到解或绘制出图形。其中一些程序能提供强大的计算功能来解决一些数学问题。这些程序能求出方程的解，计算数据集之间的相关性，确定函数的最大值，等等。在其他程序中，我们将模拟现实生活中的事件，如抛物运动、掷硬币或掷骰子。使用程序来模拟这样的事件，让我...
概率图模型——贝叶斯网络
贝叶斯网络贝叶斯网络又称为信度网络或信念网络（belief netwroks），是一种基于概率推理的数学模型，其理论基础是贝叶斯公式。定义贝叶斯网络由一个有向无环图和一个条件概率表组成。无环图中的结点表示随机变量，有向边表示条件依赖关系。两个结点没有连接关系表示两个随机变量能够在某些特定的情况下条件...
贝叶斯先验概率和后验概率
前言：贝叶斯公式究竟是什么意思，在现实中的含义是什么，什么是先验概率，什么是后验概率？问题：如下图所示：在一个群体中，有20个人。感冒5人，流感6人，脑膜炎4人，脑瘫3人，正常2人。以B为例，解释一下。B表示感冒，感冒人数是5人，其中2人头疼。现在问题是：当一个人头疼，判断这个人是感冒的概率？解答：...
我的世界笔记-神奇宝贝服神兽刷新概率、时间
前言此篇笔记主要是关于神奇宝贝MC服务器的神兽刷新率的变更，不包括对面板服的介绍。mods文件夹存储模组.jar文件，把模组放入该文件夹后，就不用管它了。config文件夹存储模组的信息config文件夹内有一个pixelmon.hocon的文件，里面就保存有神奇宝贝的配置。用文本的方式打开该文件。...
概率编程——未来也可以这样预测
1814 年，皮埃尔•西蒙•拉普拉斯写道“在很大程度上，人生最重要的问题就是概率问题。”然而漫长的概率理论研究却是一波三折，直到概率编程的出现使其取得了重要的进步。“明天可能下雨吗？”“这个球他能踢进吗？”“他抛的硬币会是正面还是反面？”……我们每天都身处在无数的概率事件中，不同的结果可能会带来完全...
深度学习：概率相关知识点
概率分布概率分布用来描述随机变量（含随机向量）在每一个可能状态的可能性大小。概率分布有不同方式，这取决于随机变量是离散的还是连续的。对于随机变量X，其概率分布通常记为P（X=x），或X~P（x），表示X服从概率分布P（x）。概率分布描述了取单点值的可能性或概率，但在实际应用中，我们并不关心取某一值的...
【概率基础】从概率角度去解释回归和分类的主要区别是什么?
1. 从概率角度去解释回归和分类的主要区别是什么? 从概率角度来看，回归和分类任务的主要区别在于它们各自预测的目标变量的性质，以及如何使用概率来对这些预测进行建模。 回归 回归任务旨在预测一个连续值的目标变量。在概率术语中，回归模型通常试图估计条件概率分布 ...
概率密度估计小结--参数估计与非参数估计
通过观测世界得到了一些数据，我们要从这些数据里面去找出规律来认识世界，一般来说，在概率上我们有一个一般性的操作步骤：1. 观测样本的存在2. 每个样本之间是独立的3. 所有样本符合一个概率模型 我们最终想要得到的是一个概率密度的模型，如果我们已经对观测的对象有了一些认识，对观测的现象属...
《机器学习实战》第四章基于概率论的朴素贝叶斯
《机器学习实战》第四章.基于概率论的分类方法朴素贝叶斯4.1朴素贝叶斯名词概念解释贝叶斯决策论：是概率框架下实施决策的基本方法。在所有相关概率都已知的理想情形下，贝叶斯决策论考虑如何基于这些概率和误判损失来选择最优的类别标记。词向量：将语言数学化，一种最简单的词向量方式是 one-hot repre...
数学知识——概率统计（3）：概率论的基本知识点
目录写在前面起源与发展概率基本计数原理本质1. 随机变量(random variable)1.1 随机变量1.2 随机变量三要素2.分类2.1 离散型随机变量2.2 随机变量三要素（离散）1. 随机变量的取值2. 试验中每个对应取值的概率3. 随机变量的统计特征和度量方法2.2 连续型随机变量随机变...
概率论总结
1、频率派概率和贝叶斯概率概率论使能够我们能够提出不确定性的声明以及在不确定性存在的情况下进行推理。概率论最初的发展是为了分析事件发生的频率。有一类事件是可以重复的（比如投掷一枚硬币，观察硬币落到正面还是反面），当我们说一个结果发生的概率为p，则如果我们进行无数次的反复实验，有p的比例会导致这样的结...
机器学习---概率论基础数学知识点
为什么要使用概率？概率论是用于表示不确定性陈述的数学框架，即它是对事物不确定性的度量。机器学习大部分时候处理的都是不确定量或随机量。概率和统计的关系概率（probabilty）和统计（statistics）看似两个相近的概念，其实研究的问题刚好相反。概率研究的问题是，已知一个模型和参数，怎么去预测这...
概率图模型在反欺诈的应用
图模型的主要应用场景为欺诈侦测报警，从各个特征出现的频率对异常概率进行预警。概率图模型所涉及到的知识点非常广，所以对读者的基础知识要求也相对较高。现在借助以下几个问题开始概率图模型的学习：为什么需要概率图模型及其优点？概率图模型都有哪些应用模型？为什么需要概率图模型?对于复杂系统理解和拆分，图应当是...