Naiwny klasyfikator bayesowski

Naiwny klasyfikator bayesowski to prosty klasyfikator oparty na wnioskowaniu statystycznym. Naiwność klasyfikatora przejawia się założeniem niezależności zmiennych losowych reprezentujących cechy klasyfikowanych obiektów, które nie zawsze, a raczej prawie nigdy, nie jest prawdziwe w zagadnieniach rzeczywistych. Popularność naiwnego klasyfikatora bayesowskiego wynika z jego prostoty, zarówno konceptualnej jak i obliczeniowej, która mimo swoich naiwnych założeń często prowadzi do dosyć dobrych wyników.
Czytaj dalej Naiwny klasyfikator bayesowski

Algorytm EM

Algorytm Expectation–Maximization (algorytm EM) to metoda estymacji parametrów modelu probabilistycznego ze zmiennymi ukrytymi polegająca na iteracyjnej maksymalizacji funkcji wiarygodności. Każda iteracja algorytmu EM składa się z dwóch kroków: kroku E, w którym wyznaczana jest wartość oczekiwana logarytmicznej funkcji wiarygodności w oparciu o aktualne wartości parametrów modelu, oraz kroku M, w którym wyznaczane są wartości parametrów modelu maksymalizujące aktualnie wyznaczoną wartość oczekiwaną logarytmicznej funkcji wiarygodności.
Czytaj dalej Algorytm EM

Regresja liniowa

Artykuł dotyczy regresji liniowej, która jest metodą statystyki matematycznej leżącą u podstaw wielu algorytmów inteligencji obliczeniowej. Przeznaczony jest dla osób początkujących, które nie mają jeszcze większego doświadczenia z inteligencją obliczeniową.
Czytaj dalej Regresja liniowa