贝叶斯拼写检查 Steven_Meng 发布于:2023年1月19日 公式基础 设 DDD 是用户输入的词,hhh 是猜测的词,则: P(h∣D)P(D)=P(h)P(D∣h)P(h|D)P(D)=P(h)P(D|h) P(h∣D)P(D)=P(h)P(D∣h) 而我们只用对 P(h∣D)P(h|D)P(h∣D) 进行排序,所以只关注相对大小,可以忽略 P(D)P(D)P(D),即: P(h∣D)∝P(h)P(D∣h)P(h|D) \propto P(h)P(D|h) P(h∣D)∝P(h)P(D∣h) 其中 P(h)P(h)P(h) 代表 hhh 出现的概率,即词频,P(D∣h)P(D|h)P(D∣h) 代表用户想输入 hhh 但输入 DDD 的概率,可以用编辑距离表示。 贝叶斯公式 P(θ∣y)=P(y∣θ)P(θ)∫P(y∣θ)P(θ)dθP(\theta|y)=\frac{P(y|\theta)P(\theta)}{\int P(y|\theta)P(\theta) \mathrm d \theta} P(θ∣y)=∫P(y∣θ)P(θ)dθP(y∣θ)P(θ) 更新于:2023年1月19日 机器学习 机器学习 The Grey Forecasting Model Features The grey forecasting model needs to consider less external factors and does not rely to... 支持向量机SVM Support Vector Machine 线性可分 找到一个比较好的分割器,即一个超平面(Hyper Plane)。需要最大化之间的 margin。 是支持向量:y(wTx+b)=1y(w^Tx+b)=1y(wTx+b)=1,不是支...