- 博客(2)
- 收藏
- 关注
原创 贝叶斯公式和朴素贝叶斯
贝叶斯公式 定义 根据条件概率的定义,在事件B发生的条件下事件A发生的概率是 P(A|B)=P(A∩B)/P(B) 同样地,在事件A发生的条件下事件B发生的概率 P(B|A)=P(A∩B)/P(A) 整理与合并上述两个方程式,便可以得到: P(A|B)P(B)=P(A∩B)=P(B|A)P(A) 上式两边同除以P(B),若P(B)是非零的,我们便可以得到贝叶斯定理的公式表达式: P(A|B)=P(...
2019-05-17 21:45:36
1391
原创 推荐系统 Model-based CF 学习心得
关于矩阵分解 为了预测用户物品矩阵R,将其填充完成,最好的方法就是将矩阵P和Q相乘。 其中P表示用户对各个分类特征的偏好rating, Q表示物品包含的这些特征的rating。 为了得到P和Q,我们就得先得到一个预测的矩阵R’(通过某种方法得到,比如近似值,但和真正的R肯定是有误差的)。既然有误差,那我们就计算出误差, 即损失函数e=R-R’,当然误差越小越好,代表预测的矩阵和真实的越接近。 那这...
2019-05-11 22:20:00
1942
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人
RSS订阅