https://zhuanlan.zhihu.com/p/34079183二分类问题的结果有四种：预测是positive-1和negative-0，true和false描述本次预测的对错。True Positive, TP：预测为1，且实际为1，即预测正确；False Positive, FP：预测为1，而实际为0，即预测错误；False Negative，FN：预测为0，而实际为1，即预测错误；
转载
2024-05-13 11:33:58
313阅读
这本开源书从实践角度初步入门概率编程。值得学习的有： 1.大佬优秀的可视化技巧 2.TFP包基础 3.概率编程和贝叶斯思想书包含使用不同框架的版本，这里用TFP的版本https://github.com/CamDavidsonPilon/Probabilistic-Programming-and-Bayesian-Methods-for-Hackers一些util函数此段作者定义了一些实用的函数并
转载
2024-08-16 09:45:42
42阅读
鱼羊 量子位 酝酿了3年多，IPython 8.0终于来了。现在，用上最新版本，你不仅能在命令行里使用Black重新格式化代码，还能获得更好的自动代码补全和Debug体验。更多详情，咱们接着往下看。优化报错在8.0版本之前，如果代码出错，IPython的错误回溯会显示一个哈希值，用于编译Python AST，就像这样：而现在，错误回溯已经正确格式化，能够显示出bug所在的具体单元格编号。另外，IP
贝叶斯网络是一种概率网络，它是基于概率推理的图形化网络，而贝叶斯公式则是这个概率网络的基础。贝叶斯网络是基于概率推理
原创
2023-11-07 12:07:56
75阅读
贝叶斯（Bayes）分类算法是一类利用概率统计知识进行分类的算法，如朴素贝叶斯（Naive Bayes）算法。这些算法主要利用Bayes定理来预测一个未知类别的样本属于各个类别的可能性，选择其中可能性最大的一个类别作为该样本的最终类别。由于贝叶斯定理的成立本身需要一个很强的条件独立性假设前提，而此假设在实际情况中经常是不成立的，因而其分类准确性就会下降。为此就出现了许多降低独立性假设的贝叶斯分类算
1 作用 模型评估一般有两个目的： 1. 检验特征工程的工作，查看所选择的特征是否有利于提升模型的性能。 2. 检查参数调整的工作
cs188Inference in Bayes Nets贝叶斯网络的推理Question1（3 points）：Bayes Net StructureQuestion2（1 points）：Bayes Net ProbabilitiesQuestion 3（5 points）：Join FactorsQuestion4（4 points）：EliminateQuestion5（4 points）
转载
2024-09-06 08:31:06
57阅读
分类算法简述一、什么是分类算法数据挖掘任务通常分为两大类：预测任务，根据其他属性的值，预测特定属性的值。描述任务，概括数据中潜在联系的模式（相关性，趋势，聚类，轨迹和异常） 分类属于预测任务，就是通过已有数据集（训练集）的学习，得到一个目标函数f（模型），把每个属性集x映射到目标属性y（类），且y必须是离散的（若y为连续的，则属于回归算法）。二、分类的基本流程1、模型建立 分类过程首先需要将
转载
2024-02-26 14:25:35
76阅读
对于一个n随机变量的联合分布，一般需要2**n-1个参数来表示这个分布。但是，我们可以通过随机变量之间的独立性，减少参数的个数。 naive Beyes model: Bayesian Networks: 有向无环图（directed acyclic graph, DAG） I-MAP:就是一个图G
原创
2022-07-16 00:25:14
219阅读
朴素贝叶斯法简述朴素贝叶斯法是一种分类方法，不论是二分类或多分类均适用.它的基本假定是输入数据的各个特征之间具有条件独立性，这就是称之为“朴素”的原因，然后应用贝叶斯定理，学习出数据的特征和类标签之间的联合概率分布，最后把后验概率最大的结果作为类标签.虽然朴素贝叶斯法应用在分类问题中具有简单且易于实现的特点，但是由于它假设了输入特征之间具有条件独立性，所以有时候可能分类的效果并不是很好.朴素贝叶斯
文件夹 1Bayesian model selection贝叶斯模型选择 1奥卡姆剃刀Occams razor原理 2Computing the marginal likelihood evidence 2-1 BIC approximation to log marginal likelihood
转载
2018-04-09 10:19:00
258阅读
2评论
概率图模型（PGM）：贝叶斯网（Bayesian network）初探
原创
2023-07-27 23:18:46
68阅读
# Java 模算法实现流程
## 概述
在这篇文章中，我将向你介绍如何实现 Java 模算法。模算法是一种常见的算法思想，用于解决一些数学问题。通过本文的学习，你将了解到模算法的基本原理和实现步骤，以及在 Java 中如何使用代码来实现模算法。
## 模算法概念
模算法（Modulo Arithmetic）是一种与取余运算相关的算法。它主要用于计算同余关系，并在数学和计算机科学中广泛应用。模
原创
2023-09-22 09:20:57
32阅读
在本文中，我们将学习如何计算资本资产定价模型 (CAPM) 并获得贝塔系数。资本资产定价模型（Capital Asset Pricing Model 简称CAPM）是由美国学者于1964年在资产组合理论和资本市场理论的基础上发展起来的，主要研究证券市场中资产的预期收益率与风险资产之间的关系，以及均衡价格是如何形成的，是现代金融市场价格理论的支柱，广泛应用于投资决策和公司理财领域。CAPM 被认为是
3 Algorithms3.1 Approximations and Heuristics 近似和启发式算法3.1.1 Connectivity 连接性对节点连接性进行快速近似。连接性是将两个节点断开连接需要删除的最少节点数量。3.1.2 K-components K组件K组件是G拥有的节点连接性k的最大子图3.1.3 Clique 分团计算最大的团(clique)。团是无向图顶点的子集C, C中
算法评价的标准1 正确性2 可读性3 健壮性：运行稳定性、容错性、可靠性和环境适应性等4 时间复杂度5 空间复杂度算法的时间复杂性和算法执行时间相关的因素：问题中存储数据的数据结构算法采用的数学模型算法设计的策略问题的规模实现算法的程序设计语言编译算法产生的机器代码的质量计算机执行指令的速度时间复杂度：算法的执行时间=∑原操作的执行次数 X原操作的执行时间算法的执行时间=∑频度一般情况下，算法的时
=
原创
2022-07-16 00:20:06
84阅读
abstractDAN由多个阶段组成，每个阶段都使用上一个阶段的输出并对人脸关键点位置进行优化，在所有阶段都使用全脸图。热点图提供了每个阶段人脸关键点评估的视觉信息。使用全脸图让dan算法能处理头的各种姿势和较难的初始化，训练表明dan能将现有技术失败率降低70%Introduction我们认为目前的基于形状和有序的特征的人脸对齐算法比如sift和特征学习在处理具有挑战性的数据集上有很大的提升空间
转载
2024-05-29 10:56:18
32阅读
---恢复内容开始---一、朴素贝叶斯算法（naive bayes）是基于贝叶斯定理与特征条件独立假设的分类方法 1、贝叶斯定理 #P(X)表示概率，P（XX）表示联合概率，也就是交集，也就是一起发生的概率 由公式：P（AB）= P(A|B)*P(B) =P(B|A)*P(A) 可以推出 贝叶斯公式：P(A|B) = P(B|A)P(A)/P(B) 2、特征条件独立 给定样本的 属性之
转载
2024-10-14 14:51:44
139阅读
## Java取模算法
在计算机编程中，取模（modulus）操作是指求两个数相除的余数。在Java编程语言中，取模操作由`%`符号表示。例如，`10 % 3`的结果为1，因为10除以3的余数是1。
Java取模算法有一些特殊的规则和性质，了解这些规则和性质可以帮助我们更好地理解和应用取模操作。本文将介绍Java取模算法的原理和应用，以及一些常见的应用场景。
### 原理
Java取模算法
原创
2023-10-10 05:10:37
87阅读
