搜索资源列表
lda_perplexity
- 用训练出的模型测试词以及概率，并统计词数和计算困惑度-With the trained model test and the probability and statistics of words, words and perplexity calculation
pmf
- 推荐系统 概率矩阵分解代码 内部已包含有数据集，已分为训练集与测试集-Recommended system probability matrix decomposition Code
PCA-AND-PNN
- 应用主成分分析对数据降维，将得到的数据用于概率神经网络训练，进行模式识别。对于一组新数据，先计算主成分得分，再输入训练好的概率神经网络，就会得到识别结果，即改组数据属于何种类别。-Principal component analysis of the data reduction, data will be obtained for the probabilistic neural network training, pattern recognition. For a new set of d
example_DAGlearn
- 程序是基于图论 , 对后验概率提取参数,使得很好的描述贝叶斯网络中变量之间的依赖关系-Program is based on graph theory, the extraction parameters on the posterior probability of such a good descr iption of the dependencies between variables in a Bayesian network
EM
- 对于混合高斯分布的情况，使用最大期望算法，通过不断计算每个样本的均值与方差，使得似然函数达到最大值。可以很好地处理满足一定概率分布的数据。 代码中通过mvnrnd()函数，设定其中的参数，产生符合混合高斯分布的一组数据集。-For the case of a mixed Gaussian distribution, using expectation-maximization algorithm, through continuous calculation of the mean and
baseflight-master
- 用python语言实现了常用的概率算法，非常建议本科生在学习概率论的时候跑一跑这些算法，养成贝叶斯思维-Using python language commonly used probabilistic algorithms, highly recommended undergraduate study in probability theory, when these algorithms run a race, to develop Bayesian thinking
LDA-topic-model
- 首先声明，这是别人写的LDA主题模型代码，本人测试过，可以运行，但是输出跟输出有点不尽人意，输入的是词的序号和该词在文档中出现的次数，要是可以直接读取文档就完美了。输出是主题以及词在该主题出现的概率，其中得到的主题我就看不懂了，不知道是算法问题，还是因为我的水平有限。在研究LDA主题模型的朋友，可以下载试一下-First statement, which is written by someone else LDA topic model code, I tested, you can run,
贝叶斯概率分解源码
- 贝叶斯概率分解的matlab详细源码，里面有详细的推导过程
DBNtoolbox-master
- 深度学习DBN（深信度网络）代码，概率生成模型，与传统的判别模型的神经网络相对，生成模型是建立一个观察数据和标签之间的联合分布。-Deep learning DBN (Convinced of the network) code generation probability model, and neural network models of traditional discrimination relatively generated model is to establish a join
Naive-bayes
- 本文以拼写检查作为例子，讲解Naive Bayes分类器是如何实现的。对于用户输入的一个单词（words），拼写检查试图推断出最有可能的那个正确单词（correct）。当然，输入的单词有可能本身就是正确的。比如，输入的单词thew，用户有可能是想输入the，也有可能是想输入thaw。为了解决这个问题，Naive Bayes分类器采用了后验概率P(c|w)来解决这个问题。P(c|w)表示在发生了w的情况下推断出c的概率。为了找出最有可能c，应找出有最大值的P(c|w)，即求解问题-In this
PPCA
- 概率 PCA algorithm，matlab程序 -Probabilistic PCA algorithm，matlab code
HMM-self-program
- 隐马尔可夫模型的建立，最大概率的计算，数据的识别-The establishment of hidden Markov model, the calculation of maximum probability
WS_net
- 复杂网络中小世界网络生成程序，可以用matlab生成制定聚类系数 连接概率和平均最短路径长度的经典小世界网络(A small world network generating program for complex networks, which can be used to generate a classical small world network with clustering coefficients, connection probabilities and average sho
贝叶斯
- 贝叶斯分类器的分类原理是通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类(The classification principle of Bias classifier is to calculate the posterior probability by using Bias's formula through the prior probability of an object, that is, the proba
progravs
- 圆周率Pi的经典算法,利用常用的线性统计概率算法,()