摘要: 朴素贝叶斯分类器(算法)与朴素贝叶斯假设 在高斯判别分析模型(GDA)中,特征向量$ x$ 是连续实值向量。现在我们来讨论分量$ x_j$ 取离散值的贝叶斯朴素贝叶斯模型。 在文本分类问题中,有一个问题是分出一个邮件是($y=1$ )或者不是($y=1$ )垃圾邮件。我们的训练数据集是一些标好是否是 阅读全文
posted @ 2019-09-22 16:22 客忆安排 阅读(593) 评论(2) 推荐(0) 编辑
摘要: 阅读全文
posted @ 2019-09-22 16:04 客忆安排 阅读(1511) 评论(0) 推荐(0) 编辑
摘要: 由均值向量$\mu \in \mathbb{R}^{n}$和协方差阵$\Sigma \in \mathbb{R}^{n \times n}$参数化的$n$维多元正态分布或多元高斯分布记作$\mathcal{N}(\mu, \Sigma)$。其中协方差矩阵$\Sigma \in \mathbb{R}^ 阅读全文
posted @ 2019-09-22 15:52 客忆安排 阅读(1052) 评论(0) 推荐(0) 编辑
摘要: 到目前为止,我们主要讨论给定$x$对$y$的条件分布$p(y | x ; \theta)$进行建模的学习算法。例如,对于逻辑斯蒂克(logistic)回归模型,这个条件概率为$h_{\theta}(x)=sigmoid\left(\theta^{T} x\right)$。对于二分类问题,logist 阅读全文
posted @ 2019-09-22 15:40 客忆安排 阅读(530) 评论(0) 推荐(0) 编辑
摘要: 一口气带你刷5道题 一套代码,(几乎)改都不用改,刷完各种树的各种遍历。 先说原理:一个栈,栈中每个元素是由一个元组组成,根据进入栈中树的节点需要扮演角色不同,元祖第二个布尔值不同。有个题解讲得很棒。 原理明白后只需搞懂前序,后面都很简单! 对于二叉树中的任何一个节点而言,它都有两个角色需要扮演,一 阅读全文
posted @ 2019-08-16 20:20 客忆安排 阅读(178) 评论(0) 推荐(0) 编辑
摘要: 写博客初衷 我在看机器学习算法过程中一个发现就是:往往弄清一个算法是什么(或者再加一个干什么的?)并不复杂,算法本身的过程并不复杂,甚至可以说非常简单;但如果你要深究算法每一步是为什么,或者说寻求一个(或数个,神奇的是常常数个不同的解释最后殊途同归导向同一个算法过程)合理的解释的过程就比较曲折了。 阅读全文
posted @ 2019-07-31 23:05 客忆安排 阅读(142) 评论(0) 推荐(0) 编辑
摘要: 这是一种怎样的精神,貌似他们玩得很开心 写作计划2019-07-3122:51:29: 阅读全文
posted @ 2019-07-31 22:54 客忆安排 阅读(84) 评论(0) 推荐(0) 编辑
摘要: ## 不好 2019-07-0713:29:37 阅读全文
posted @ 2019-07-07 13:31 客忆安排 阅读(116) 评论(1) 推荐(0) 编辑