ibelieve8013的博客

MCMC方法的关键是通过构造平稳分布为P的马尔科夫链来产生样本。在贝叶斯网络中，产生的样本就是各个贝叶斯结构，通过产生的样本（这些结构）中，选取可行的结构。关键的部分就在于如何仅仅通过训练集（每个节点一系列状态），来得到采样样本（最终结构）。       MH算法是MCMC算法的重要代表，MH是通过上一轮采样结果来采样，获得候选样本，但是这个样本有可能被拒绝掉，为什么会被拒绝掉呢？因为算法中规定了...

相信你对马尔科夫这个词一定不陌生，因为在人工智能机器学习领域，这个词是避不开的，如马尔可夫链（Markov chain)，马尔科夫随机场(Markov random field)，马尔可夫过程(Markov process)，隐马尔可夫模型(Hidden Markov model)，怎么这么多马尔科夫。。。这篇文章主要讲的是马尔科夫过程的一些基础的概念和理解。马尔可夫性质是一种很有效的简化模型的工...

分布家族的伦理关系回过头看这排版真是难受，用Markdown重新整理了一下排版：https://blog.youkuaiyun.com/ibelieve8013/article/details/102569844浅谈两点分布，二项分布，伽马分布，指数分布，泊松分布，卡方分布，t分布，F分布，均匀分布，正态分布，β分布，狄利克雷分布。（红丸子，白丸子，四喜丸子。。。）我们知道，在数理统计中，经...

泊松过程是随机过程的一个经典模型，是一种累积随机事件的发生次数的独立增量过程。也就是说，每次事件的发生是相互独立的。那么泊松分布和泊松过程又什么关系呢？可以说泊松分布是描述稀有事件的统计规律，即可以描述一段时间内发生某个次数的概率。而泊松过程呢，就适合刻画“稀有事件流”的概率特性。比较：泊松分布泊松过程的主要公式：其实没多少不一样对不对？不一样的是泊松过程是一个可以查看在时间t内发生次数的概率，这...

要说到二维全息谱，还要追溯到上个世纪90年代，这是我校优秀院士屈梁生对故障诊断领域的杰出贡献。我们知道在故障诊断领域，对信号的分析是必不可少的。信号的分析传统来说分为两种：时域分析、频域分析。时域分析：时域分析顾名思义，就是在时间域上对频率进行分析，如对信号的统计特性：幅值，峰值，均方根幅值，峰峰值等等。或者一些相关分析，自相关互相关等分析。频域分析：频域分析是通过傅里叶变换，详细的变换过程就不赘...

之前由于实验室的电脑抽风，里面的pgmpy模块出现了问题，搞了半天无果，加之实验室电脑实在是太渣，我打算转移战场到笔记本上。不幸的是，笔记本出现了和台式机一模一样的错误，我心里这个疼得滴血哟。接下来就是好几个半天的纠结了，要么重装pgmpy,要么重装scipy，搞得我怀疑人生。然后我通过给出的错误信息，确认是pgmpy中的base文件出现了损坏，然后又是一通debug，挨个地测试base文件中的函...

Python中安装外部的包可以通过在anacondaprompt中的命令使用Pip安装：如我要安装贝叶斯的包：pipinstall pgmpy。一般来说这是可以的，还有一种更简单的方法：在pycharm中，可以通过setting中，右边绿色的加号，选择你要添加的包，如输入：pgmpy，会有相应的选项，以及Install选项。（其实此处执行的命令本质上也是在cmd中的：pip install pgm...

本文基于论文《iMMPC: A Local Search Approach for Incremental Bayesian Network StructureLearning》 Immpc:一种贝叶斯网络结构增量学习的局部搜索方法目前在机器学习领域中，一个重要的组成部分就是概率图模型，而贝叶斯作为一种典型的概率图模型，在不确定性推理以及挖掘各个变量之间的关系中有着重要的作用，而贝叶斯结构学习是其...

据说MMHC是现行的比较成功的一种混合贝叶斯结构学习算法，其主要思想是：先建立一个贝叶斯网络的骨架，再通过贪心算法确定最终结构。那么要搞懂的是以下：1.框架是如何建立的2.贪心算法是怎么运行的3.最大最小体现在哪里？4.为什么会优于一般的算法？通过MMHC算法的论文《The max-min hill-climbing Bayesiannetworkstructure learning algori...

这思维导图是根据慕课网整理得出，时间仓促，多有不足。