基于Tensorflow概率的贝叶斯Logistic回归

是一种机器学习算法，结合了贝叶斯统计和Logistic回归的方法。它使用Tensorflow概率库来实现，可以用于分类问题。

贝叶斯Logistic回归的优势在于可以提供更准确的概率预测，同时还能够处理不确定性。相比于传统的Logistic回归，它能够更好地处理数据不平衡和噪声问题，并且可以通过贝叶斯推断来估计模型参数的不确定性。

应用场景：

个性化推荐系统：可以利用贝叶斯Logistic回归来预测用户对不同商品的喜好程度，从而进行个性化推荐。
金融风控：可以通过贝叶斯Logistic回归来建立风险评估模型，预测用户的违约概率或欺诈行为。
医疗诊断：可以利用贝叶斯Logistic回归来进行疾病诊断，根据患者的症状和其他特征来预测患病的概率。

推荐的腾讯云相关产品：腾讯云提供了一系列与机器学习和深度学习相关的产品和服务，可以支持基于Tensorflow概率的贝叶斯Logistic回归的开发和部署。

腾讯云AI Lab：提供了丰富的机器学习和深度学习算法库，包括Tensorflow概率，可以帮助开发者快速构建和训练模型。链接：https://cloud.tencent.com/product/ai-lab
腾讯云ModelArts：是一款全面的AI开发平台，提供了强大的模型训练和部署能力，支持Tensorflow概率等多种深度学习框架。链接：https://cloud.tencent.com/product/modelarts
腾讯云云服务器（CVM）：提供了高性能的云服务器实例，可以用于训练和部署基于Tensorflow概率的贝叶斯Logistic回归模型。链接：https://cloud.tencent.com/product/cvm

请注意，以上推荐的产品和链接仅供参考，具体选择应根据实际需求和情况进行。

为什么天真的拜斯会产生？

machine-learning、machine-learning-model

我正在编写一份文档，其中应该包含使用朴素贝叶斯(generative)和Logistic回归(区分性)模型进行文本分类的关键区别。在我的研究中，我遇到了朴素贝叶斯模型的定义：文档d在类c中的概率计算为…其中，p(tk|c)是发生在类c文档中的术语tk的条件概率。当我开始比较生成模型和鉴别模型时，我在StackOverflow上找到了这样的解释：。生成模型学习联合概率分布p(x,y)，判别模型学习条件概率分布p(y|x)，应该将其理解为“y给定x的概率”。在这一点上，我感到困惑:朴素贝叶斯是一个生成模型，使用条件概率，但同时，鉴别模型被描述为他们学习了条件概率，而不是生

浏览 3提问于2017-12-27得票数 9

1回答

Tensorflow中的机器学习

machine-learning、python、scikit-learn、tensorflow

我正在做一项基于分析机器学习的不同Python库的工作。我选择分析Scikit--学习，Keras，Tensorflow和Py手电筒，因为它们是最著名的。其思想是训练不同的模型，包括监督学习和非监督学习，以及分类和回归。在每个库中使用不同类型的算法，并分析它们所带来的困难/设施以及性能。当我试图在Tensorflow中执行同样的学习时，我的问题就出现了，因为对于后者，我发现了大量用于深入学习(神经网络)的信息，但对于机器学习算法(决策树、随机森林支持向量机、支持向量机、线性/Logistic回归、K-NN、KMeans、朴素-贝叶斯等)则没有发现. 是否可以将这些ML算法应用于tensor

浏览 0提问于2021-08-25得票数 0

1回答

模型护栏

predictive-modeling

假设我正在为一个应用程序构建一个机器学习模型，在该模型中，我不需要对所有新样本进行预测，并且给出了一个新样本，那么在担心预测不太可能好(例如，如果新样本似乎与训练样本非常不同的情况下)时，最好不要进行任何预测。我称之为限制哪些新样本来预测“模型护栏”的想法，因为我不知道官方术语。我的问题是，是否有任何标准的方法来设置这样的护栏？关于这个话题，你有什么研究可以指导我吗？我有几个基本想法：使用距离度量将新样本与培训数据进行比较，并且只有在有足够数量的培训数据与新数据足够接近时才进行预测。尝试计算某种p值，表明新样本与训练数据有多大的不同，并且只有当这个p值不太高时才进行预测。为了扩展思想2

浏览 0提问于2019-12-05得票数 3

2回答

如何评估通过机器学习技术获得的结果的不确定性？

machine-learning、regression、uncertainty

随着机器学习(其各种形式)在科学中变得越来越普遍，建立逻辑和系统的方法来解释机器学习结果变得非常重要。虽然现代ML技术已经表明自己能够与更“经典”的技术竞争，甚至超过了它们的准确性，但在任何数据分析中得到的数值结果都只是故事的一半。有建立和良好的形式化(数学上)的方法来评估结果中的不确定性，通过经典方法。如何评估机器学习结果中的不确定性？例如，在类似于经典回归分析的情况下，估计拟合参数的不确定性(至少在理论上是如此)是相对直接的。我可以做一些测量，把它们拟合成某种方程，估计一些物理参数，例如用高斯误差近似的规则来估计它的不确定性。如何确定某些机器学习算法所估计的同一参数的不确定性？我认识到

浏览 0提问于2022-06-10得票数 3

回答已采纳

1回答

TensorFlow 2.0是否支持下面所述的通用机器学习库？

tensorflow

有了TensorFlow 2.0令人兴奋的新特性，我可以知道TensorFlow 2.0是否仍然支持下面所述的常用机器学习技术吗？线性回归 Logistic回归 K-均值聚类 K-最近邻随机森林朴素贝叶斯支持向量机非常感谢您的时间和澄清提前。

浏览 3提问于2018-11-27得票数 1

3回答

该数据集的Logistic回归和朴素贝叶斯

machine-learning、dataset、data-mining、classification、logistic-regression

朴素贝叶斯和Logistic回归都能很好地分类这两个数据集吗？我的理解是，朴素贝叶斯可以，和Logistic回归与复杂的条件可以分类这些数据集。如果我错了，请帮忙。数据集的图像如下：

浏览 3提问于2014-01-30得票数 3

回答已采纳

2回答

朴素贝叶斯模型

machine-learning、artificial-intelligence、classification、naivebayes

当我们使用决策树分类器训练训练集时，我们将得到一个树模型。并且该模型可以被转换为规则，并且可以被合并到java代码中。现在，如果我使用朴素贝叶斯训练训练集，模型是什么形式的？我怎样才能把模型合并到我的java代码中呢？如果训练没有模型，那么朴素贝叶斯和懒惰学习者之间的区别是什么？kNN)？提前谢谢。

浏览 4提问于2013-09-05得票数 4

7回答

有比神经网络更好的领域吗？

machine-learning、pgm

神经网络在计算机视觉任务(参见米尼思、ILSVRC、卡格尔银河挑战)中获得最高结果。在计算机视觉方面，它们的性能似乎优于其他任何一种方法。但也有其他任务：卡格尔分子活性挑战回归：卡格尔雨预测，也是第二名抓举第二第三名 -从脑电记录中识别手部运动我不太确定ASR (自动语音识别)和机器翻译，但我想我也听说过(递归的)神经网络(开始)优于其他方法。我目前正在学习贝叶斯网络，我想知道在哪些情况下，这些模型通常是适用的。所以我的问题是：是否存在任何挑战/ (Kaggle)竞争，其中最先进的是贝叶斯网络，或者至少是非常相似的模型？ (旁注:我也看到决策树，2，3.，4.，5，6，7在最近的

浏览 0提问于2016-01-17得票数 60

回答已采纳

1回答

逻辑回归Varimp总是不同于其他模型；文本分析R

r、text、analytics、logistic-regression

我一直在我的tweets数据集上运行逻辑回归、神经网络、朴素贝叶斯和SVM模型。我正在做情感分析，其中R是根据训练数据预测文本是积极的、中性的还是消极的。我注意到varImp对于神经网络、朴素贝叶斯和支持向量机总是相同的。然而，logistic回归的变量具有非常不同的变量重要性。我只是好奇为什么会这样？逻辑回归不是一个很好的文本分析模型吗？或者有没有适合使用它的时候？

浏览 5提问于2016-04-23得票数 1

1回答

贝叶斯线性回归在流量强度的非随机数据集上是如何工作的？

algorithm、azure、machine-learning、linear-regression、bayesian

在接下来的15分钟里，我试图预测每条车道的强度(这是我论文研究的一部分)。我有一个数据集，每条车道的强度在过去3个月的每15分钟。我在Azure机器学习中使用了6种不同的机器学习算法来检验哪一种预测最准确。我选择了贝叶斯线性回归来描述算法和它所做的一步一步。我仍然不清楚这个算法是如何工作的，因为我不擅长详细的数学。这就是为什么我使用云计算就绪机器学习工具来为我做这项工作。我在互联网上看到了一些来源和解释，但它们对我来说都太数学了，我仍然不明白。当我点击‘Visualize’时，我训练过的模型如下所示：我的评估模型：我的问题是，如果有人想解释，贝叶斯线性回归，算法，

浏览 6提问于2017-05-02得票数 1

1回答

什么时候用贝叶斯线性回归代替线性回归？

linear-regression、bayesian

什么时候使用贝叶斯方法是有意义的，也许在线性回归的上下文中？更具体地说:假设你测量了一定数量的设备，你想要‘检查线性关系，例如，电压和电流。为什么是贝叶斯和/或为什么不呢？会有什么不同？ 📷

浏览 0提问于2020-08-03得票数 3

3回答

朴素贝叶斯和Logistic回归的假设

machine-learning、classification、naivebayes

我试图理解朴素贝叶斯和Logistic回归所需假设的差异。据我所知，朴素贝叶斯和Logistic回归都应该具有彼此独立的特征，即预测器不应该有任何多重共线性。并且只在Logistic回归中应遵循自变量的线性和对数赔率。如果我错了，请纠正我，朴素回归和逻辑回归之间还有其他假设/区别吗？

浏览 2提问于2019-12-02得票数 0

2回答

概率编程和概率机器学习之间的区别是什么？

machine-learning、bayesian、probabilistic-programming

我试图将我的头脑围绕概率编程的概念，但我读得越多，我就越感到困惑。我在这一点上的理解是，概率编程类似于贝叶斯网络，只是转换为用于创建自动推理模型的编程语言？我有一些机器学习的背景，我记得一些机器学习模型也输出概率，然后我遇到了术语概率机器学习…… 这两者之间有区别吗？或者它们是相似的东西？感谢任何可以帮助澄清的人。

浏览 5提问于2019-08-01得票数 3

2回答

我训练过的图像分类器模型对所有不属于该类别的图像进行分类

java、android、python-3.x、tensorflow

我已经训练了一个模型来识别动物，它正在工作，部署到android应用程序中。我正在寻找一种解决方案，使图像分类器只对训练过的类别进行分类。我不确定是通过模型训练还是通过添加任何代码来解决这个问题。例如，如果发送一个杯子的图片进行分类，结果显示为Dog或其他动物名称。如何只对给定的类别进行分类，其他任何类别都显示为“不是动物”。 Im使用Tensorflow 1.12，MobileNet模型

浏览 1提问于2019-03-31得票数 2

2回答

统计推理书籍

machine-learning、neural-network、bayesian、parameter-estimation、non-parametric

我目前正在选修“机器学习导论”课程，内容包括:线性回归、过度拟合、分类问题、参数和非参数模型、贝叶斯和非贝叶斯模型、生成分类、神经网络、支持向量机、增强和打包、无监督学习。我已经询问了一些有关这些主题的阅读材料，但我想听听更多关于书籍(或任何其他材料)的建议，这些建议能让人们对列出的主题有更多的直觉，还有一些书能深入到这些学科的理论中(我会得到一些直觉)？(我想每一门学科都有很多书要介绍这一理论，但任何建议都会很好。) 谢谢。

浏览 0提问于2020-10-31得票数 0

回答已采纳

1回答

表格数据集的机器学习算法

neural-network、classification、convolutional-neural-network、binary-classification

我有一个包含120个特性和5000个实例的数据集。数据集是分类值和数字值的组合。它是一个表格数据集。我的问题是二进制分类问题。我用朴素贝叶斯、贝叶斯网、支持向量机、MLP、随机森林、Logistic回归等经典分类算法对我的数据集进行了训练，我想知道在机器学习领域是否有可用的算法是新的而不是经典的，可以用表格数据集来实现。我听说过卷积神经网络、深层神经网络等，但我认为它们适用于图像数据，而不是表格数据。

浏览 0提问于2022-09-30得票数 0

回答已采纳

1回答

概率在机器学习软件中的作用是什么？

machine-learning、integration

在学习程序中使用了几个组件和技术。机器学习组件包括ANN、贝叶斯网络、SVM、PCA和其他基于概率的方法。基于贝叶斯网络的技术在机器学习中扮演什么角色？此外，了解将这些组件中的一个或多个集成到应用程序中是如何导致真正的解决方案，以及软件如何处理有限的知识并仍然产生足够可靠的结果也是很有帮助的。

浏览 3提问于2016-12-21得票数 3

3回答

概率图形模型属于哪个部落？

machine-learning、bayesian、graphical-model

“主算法”中的Pedro列出了五种机器学习算法：符号派连接主义者进化论者巴耶斯人类比器概率图解模型属于哪一类？来自维基百科(https://en.wikipedia.org/wiki/Graphical_模型)：图形模型或概率图形模型(PGM)是一种概率模型，它表示随机变量之间的条件依赖结构。它们通常用于概率论、统计学--尤其是贝叶斯统计--以及机器学习。在这种情况下，它会是“贝叶斯”吗？像条件随机场这样的东西呢？这也是贝叶斯吗？

浏览 0提问于2016-07-26得票数 6

1回答

有没有可能在python中提取经过训练的机器学习模型的公式？

python、c++、machine-learning、model

在我的项目中，我应该使用分类器来根据6个输入值来预测8个类中的一个。我必须比较一个只运行C++代码的设备上的所有监督学习分类器。所以我使用python来教/拟合机器学习模型，但是我需要为每个分类器在C++上运行它找出最终的公式。有什么办法从模型中得到这些公式/代码吗？使用的机器学习算法：支持向量机朴素贝叶斯线性回归线性判别分析决策树 K-最近邻算法 Logistic回归神经网络梯度增强算法随机森林。

浏览 2提问于2018-05-27得票数 3

1回答