条件概率

碎片笔记｜分类问题与回归问题的关系前言：分类和回归是监督学习中最基础的两类任务。通常认为，分类预测离散类别，回归预测连续数值。但从模型的实际计算过程来看，二者之间并没有一条绝对清晰的边界。例如，二分类模型通常先输出一个连续分数，再根据阈值得到类别；连续数值也可以被划分为若干区间，从而将回归问题转换为分类问题。因此，一个自然的问题是：分类问题是否可以看作回归问题加阈值，回归问题是否也可以通过分类实现？本文围绕这一问题，讨论分类与回归能否相互转化，以及这种转化的边界。

Gibbs采样：全面解析马尔可夫链蒙特卡洛的核心算法本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的AI技术！

Do-Calculus：因果推断的演算基础与跨领域应用本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的AI技术！

PageRank：互联网的马尔可夫链平衡态本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的AI技术！

快速上手机器学习-朴素贝叶斯引言：本文通过介绍先验概率，后验概率，条件概率计算和贝叶斯定理等概率论内容引入朴素贝叶斯分类算法的基本思路，朴素贝叶斯的最终分类思想是将输入分类给概率最大的类，这也是概率模型算法的共有思想。本文专注于先验概率后验概率以及最终贝叶斯分类器的公式推导，旨在帮助读者深入浅出的理解算法模型，读者可以将本文视为《统计学习方法》第三章朴素贝叶斯算法的理解和导读。关键字：极大似然估计，贝叶斯定理，后验概率最大化参考文献：统计学习方法 (第2版)-李航，刘建平老师的博客

我是有底线的