匆匆z2的博客

贝叶斯定理 可以将公式改写为 c表示一个分类,f表示属性对应的数据字段 这里举个例子, c代表苹果,f代表红色 P(苹果|红色)=P(红色|苹果)XP(苹果)/P(红色) 通过苹果是红色的条件概率可以得到红色是苹果的条件概率 通过先验概率可以算出后验概率 一个果子是苹果的概率为0.3 P(c)=0.3 一个果子是红色的概率为0.2 P(f)=0.2 苹果是红色的概率...

记录概率和统计相关的概念和基础知识 总体来说 概率和统计是互逆的: 概率根据数据生成的过程进行建模,研究某种模型产生的数据有什么特性, 统计学正好相反,通过已知的数据,来推导产生这些数据的模型是怎样的 概率:是描述可能性的一个数值 随机变量:描述事件可能出现的所有状态,分为离散随机变量和连续随机变量 概率分布:描述每种状态出现的可能性,随机变量X表示小球的颜色,100个球中红色20个,蓝色40个,...

记录线性代数学习中的各个概念 向量和向量空间 标量:是个单独的数字,不能表示方向 向量:也可叫做矢量,一组数字,有序排列,可以用数组或者链表表示 特征向量:物体的特征有很多维度衡量,我们可以用向量表示物体的特征,向量的每个元素代表一维的特征,元素的值代表了相应特征的值 矩阵特征向量:矩阵的几何意义是坐标变换,如果矩阵存在特征向量和特征值,矩阵的特征向量表示了他在空间中最主要的运动方向 ...