摘要： 转自：http://my.oschina.net/yuzh/blog/100815什么是贝叶斯分类 据维基百科上的介绍，贝叶斯定理是关于随机事件A和B的条件概率和边缘概率的一则定理。 如上所示，其中P(A|B)是在B发生的情况下A发生的可能性。在贝叶斯定理中，每个名词都有约定俗成的名称：P(A)是A的先验概率或边缘概率。之所以称为"先验"是因為它不考虑任何B方面的因素。P(A|B)是已知B发生后A的条件概率（直白来讲，就是先有B而后=>才有A），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的条件概率（直白来讲，就是先有A而后=>才有B）， 阅读全文

摘要： 转自：http://blog.csdn.net/likelet/article/details/7056068隐马尔可夫模型(Hidden Markov Model，HMM) 最初由 L. E. Baum 和其它一些学者发表在一系列的统计学论文中，随后在语言识别，自然语言处理以及生物信息等领域体现了很大的价值。平时，经常能接触到涉及HMM的相关文章，一直没有仔细研究过，都是蜻蜓点水，因此，想花一点时间梳理下，加深理解，在此特别感谢 52nlp 对 HMM 的详细介绍。 考虑下面交通灯的例子，一个序列可能是红-红/橙-绿-橙-红。这个序列可以画成一个状态机，不同的状态按照这个状态机互相交替，每. 阅读全文

摘要： landen@landen-Lenovo:~/文档/20news$ mahout trainclassifier --helpMAHOUT_LOCAL is not set; adding HADOOP_CONF_DIR to classpath.Running on hadoop, using HADOOP_HOME=/home/landen/UntarFile/hadoop-1.0.4No HADOOP_CONF_DIR set, using /home/landen/UntarFile/hadoop-1.0.4/conf MAHOUT-JOB: /home/landen/UntarFil 阅读全文

摘要： 转自：http://www.cnblogs.com/leoo2sk/archive/2010/09/17/naive-bayesian-classifier.html1.1、摘要 贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。本文作为分类算法的第一篇，将首先介绍分类问题，对分类问题进行一个正式的定义。然后，介绍贝叶斯分类算法的基础——贝叶斯定理。最后，通过实例讨论贝叶斯分类中最简单的一种：朴素贝叶斯分类。1.2、分类问题综述 对于分类问题，其实谁都不会陌生，说我们每个人每天都在执行分类操作一点都不夸张，只是我们没有意识到罢了。例如，当你看到一个陌生人，你的脑 阅读全文

摘要： 转自：http://www.cnblogs.com/vivounicorn/archive/2011/09/23/2186483.htmlMahout学习——Canopy Clustering 聚类是机器学习里很重要的一类方法，基本原则是将“性质相似”(这里就有相似的标准问题，比如是基于概率分布模型的相似性又或是基于距离的相似性)的对象尽可能的放在一个Cluster中而不同Cluster中 对象尽可能不相似。对聚类算法而言，有三座大山需要爬过去：（1）、a large number of clusters，(2)、a high feature dimensionality，（3）、a larg 阅读全文

摘要： 1 private void EM_Init (Instances inst) 2 throws Exception { 3 int i, j, k; 4 5 // 由于EM算法对初始值较敏感，故选择run k means 10 times and choose best solution 6 SimpleKMeans bestK = null; 7 double bestSqE = Double.MAX_VALUE; 8 for (i = 0; i < 10; i++) { 9 SimpleKMeans sk = new Si... 阅读全文

摘要： 转自：http://www.cnblogs.com/kevinGaoblog/archive/2012/06/19/2555448.html 对于马氏距离，本人研究了一下，虽然看上去公式很简单的，但是其中存在很多模糊的东西，例如有很多教科书以及网络上的简要说明，下面以维基百科作为引用：马氏距离是由印度统计学家马哈拉诺比斯（P. C. Mahalanobis）提出的，表示数据的协方差距离。它是一种有效的计算两个未知样本集的相似度的方法。与欧氏距离不同的是它考虑到各种特性之间的联系（例如：一条关于身高的信息会带来一条关于体重的信息，因为两者是有关联的）并且是尺度无关的（scale-invarian 阅读全文

摘要： (from:http://en.wikipedia.org/wiki/Mahalanobis_distance)Mahalanobis distanceInstatistics,Mahalanobis distanceis adistancemeasure introduced byP. C. Mahalanobisin 1936.It is based oncorrelationsbetween variables by which different patterns can be identified and analyzed. It gaugessimilarityof an unkn 阅读全文

摘要： Weka EM covariancedescription 1:Dear All, I am trying to find out what is the real meaning of the minStdDev parameter in the EM clustering algorithm. Can anyone help me? I have not looked at the code, but I suspect that the minStdDev is used as the first estimate of the covariance of a Gaussian in.. 阅读全文

摘要： 所谓数据挖掘，就是通过数据分析，发现其中的规律。 沈浩教授列举了彩票的数据分析的案例，指出彩票的大范围的概率均等性以及小范围的概率波动。曾经中央电视台新闻30分采访过他，他指出了所谓的彩票软件是骗人的。如果彩票的规律是可循的，那么显然彩票是没法玩的，知道规律的人也不会说出规律来的。 最震撼的是沈浩教授用数据挖掘的原理，讲述了SNS社会关系网络的用户关系和路径分析图。通过用户彼此之间的沟通线条，通过分析软件转化为层级图或密度分布图，就可以发现哪些人是“意见领袖”。在营销中，新产品上市的宣传推广，首先要影响的就是这部分的“意见领袖”，他们是社会信息的重要传播者和影响者。 通过数据挖掘... 阅读全文