csshuke的专栏

概率论只不过是把常识用数学公式表达了出来。——拉普拉斯目录0. 前言 1. 历史     1.1 一个例子：自然语言的二义性     1.2 贝叶斯公式 2. 拼写纠正 3. 模型比较与贝叶斯奥卡姆剃刀     3.1 再访拼写纠正     3.2 模型比较理论（Model Comparasion）与贝叶斯奥卡姆剃刀（Bayesian Occ

信贝爷， 得永生开头先开个玩笑， 有人说“信贝爷， 得永生” 你是否理解此中真意？ 贝爷是这位， 生前是个神父。贝叶斯分析是整个机器学习的基础框架， 它的思想之深刻远出一般人所认知的， 我们这里要从贝叶斯统计说起。首先谈概率，概率这件事大家都觉得自己很熟悉， 叫你说概率的定义 ， 你却不一定说的出，我们中学课本里说概率这个东西表述是一件事发生的频率，

注：本文是对《IPython Interactive Computing and Visualization Cookbook》一书中第七章【Introduction to statistical data analysis in Python – frequentist and Bayesian methods】的简单翻译和整理，这部分内容主要将对统计学习中的频率论方法和贝叶斯统计方法进

贝叶斯统计在机器学习中占有一个什么样的地位，它的原理以及实现过程又是如何的？本文对相关概念以及原理进行了介绍。引言：在很多分析学者看来，贝叶斯统计仍然是难以理解的。受机器学习这股热潮的影响，我们中很多人都对统计学失去了信心。我们的关注焦点已经缩小到只探索机器学习了，难道不是吗？机器学习难道真的是解决真实问题的唯一方法？在很多情况下，它并不能帮助我们解决问题，即便在这些问题中存在着大

先验概率Prior probability在贝叶斯统计中，先验概率分布，即关于某个变量 p 的概率分布，是在获得某些信息或者依据前，对 p 的不确定性进行猜测。例如， p 可以是抢火车票开始时，抢到某一车次的概率。这是对不确定性（而不是随机性）赋予一个量化的数值的表征，这个量化数值可以是一个参数，或者是一个潜在的变量。先验概率仅仅依赖于主观上的经验估计，也就是事

为了要搞论文，我从图书馆借了一堆贝叶斯的书来看，虽然看得不算全面，还是在这里做一个小小的总结：　　 茆诗松 《贝叶斯统计》 http://book.douban.com/subject/1551888/ 目前看过的讲贝叶斯方法最通俗易懂的书了张连文 《贝叶斯网引论》http://book.douban.com/subject/1974704/ 以上是我觉得较为好的两本，