Laplace-smoothing 拉普拉斯平滑，是一种用于处理0概率问题平滑方法。 通过对每个分量+1来计算概率。 例如，某个词语K，在不同类中的观测数量分别是0，10，20，概率为0，\(\frac … read more There are comments.
product-over-a-large-number 当我们计算多个大数的乘积时，可能造成数值上溢或者下溢。 此时，我们需要将数值的log值相加，而不是计算数值的乘积。 这是因为 … read more There are comments.
Basic-Algorithm 后面主要介绍四种基本的机器学习算法，分别是 Naive Bayes（朴素贝叶斯）, Nearest Neighbors（最近邻）, the Mean classifier, and Perceptron（感知机）. read more There are comments.
conditionally-independent 条件独立的形式是： $$ p(t_1,t_2|x) = p(t_1|x)p(t_2|x) $$ 其中，\(t_1\)和\(t_2\)分别是两次 test（也就是检验）。 简写形式是 $$T_1,T_2\mathrel{$\perp\mkern-10mu\perp$} X$$ read more There are comments.
bayes-rule 贝叶斯法则的关键，是将两个变量的条件进行反转。 $$ p(y|x) = \frac{p(x|y)p(y)}{p(x)} $$ read more There are comments.