- 综合排序
- 最热优先
- 最新优先
- 来自专栏雪胖纸的玩蛇日常
10.贝叶斯理论
1.概率基础 2.贝叶斯理论 3.贝叶斯于机器学习 1.贝叶斯误差 2.假设很重要 3.奥卡姆剃刀：偏好简单模型
36730发布于 2018-08-16 - 来自专栏技术杂烩
用 QClaw 10 分钟搭一个自动周报助手
Issue#342###下周计划-开始支付流程前端开发-跟进Issue#342修复排期-完成用户中心模块接口联调###⚠️风险与阻塞-Issue#342并发问题若未及时修复，可能影响下周联调进度整个过程不到10 整个流程回顾展开代码语言：TXTAI代码解释平时对话随手记↓memory/YYYY-MM-DD.md自动保存↓周五一句话触发汇总↓QClaw读取本周记录→生成周报草稿↓确认后一键发送到飞书/钉钉从"每周五发呆半小时"到"10
68631编辑于 2026-03-30 - 来自专栏CU技术社区
10万人的邮箱存储系统，应该这么搭
下图就是一个典型的10万人邮箱系统的基本需求图示▼ ? - 系统设计邮箱规模为10万个邮箱用户，每个用户2GB邮箱空间。 - 未来当单个邮箱的空间达到10GB时，邮件系统整体的存储容量将超过5PB的空间需求。
2K20发布于 2019-12-31 - 来自专栏机器学习算法与Python学习
机器学习(10)之趣味案例理解朴素贝叶斯
性别 身高(英尺) 体重(磅) 脚掌(英寸) 男 6 180 12 男 5.92 190 11 男 5.58 170 12 男 5.92 165 10 女 5 100 6 女 5.5 150 8 女 5.42
1.1K40发布于 2018-04-04 - 来自专栏微搭低代码
微搭低代码从入门到精通10-tab栏组件
微搭中提供了tab栏组件来实现这个功能，本篇我们介绍一下这个组件的使用方法。 当你将素材下载好之后，我们就可以将素材上传到微搭里。 微搭提供了素材管理的功能，在我们应用编辑器的左侧导航栏找到素材的图标，进行上传 图片 tab栏组件的菜单内容需要在标签列表里维护 图片 如果你的功能是固定的，那么可以直接点击某个标签进行修改 图片 默认是从图标库里选择图标
1.3K30编辑于 2023-02-16 10分钟拥有AI搭子，开启人机协作新方式
一键生成完整教案批量创建练习题库自动生成成绩分析报告批量化写家长通知医疗从业者标准化病历模板患者随访管理用药指导自动生成健康数据分析⚖️法律从业者合同模板智能生成案件整理分析法律文书自动排版条款审查辅助商业人士销售数据分析财务报表生成客户邮件批量处理营销方案策划开始使用：只需要四步，10 总共花费时间：⏱️注册登录：2分钟⏱️复制工具：2分钟⏱️打开工作台：2-3分钟⏱️购买服务：2-3分钟⏱️配置密钥：30秒⏰总计：大约10分钟！ x-cos-security-token=fyUbaXh2d1oiGOHzwjyHUpO74sJZFOKae10ac58b222b950f75914daecb22aabe0kLHffY8BFUecnnOZdwWW5WBcNAsGj72JjqP3Q0G1iY2C8aqhrMv73ipkLGa9v8fuWTETnus 行动清单立即开始你的AI办公之旅：✅注册CNB账号（5分钟）✅获取GLM-4.6API（10分钟）✅创建第一个AI项目（5分钟）✅生成第一份工作文档（10分钟）✅保存你的成果（5分钟）总计用时：不到1小时
77800编辑于 2025-12-22- 来自专栏生信情报站
图解统计学 10 | 贝叶斯公式与全概率公式
文章目录 概率 联合概率 条件概率 全概率公式 贝叶斯公式 过年了，作为水果店老板的我们，一共进了三种水果，其中： 西瓜：50个 香蕉：30个 橙子：20个 为了方便顾客挑选，放在如下的格子里， ： P(A_1,B) = 10/100 = 0.1 这里，顾客既选西瓜A_1又选到坏果B的概率用P(x_1,y)表示，逗号用来表示两件事同时发生。 西瓜： P(B|A_1) = 10/50 = 0.2 这里，顾客从西瓜里选到坏果的概率用 P(B|A_1) 表示， 其中 |表示在 A_1发生的前提下又发生B的概率。 +P(A_n)P(B|A_n) = \sum_{i=1}^nP(A_i)P(B|A_i) 贝叶斯公式 现在，坏果作为促销商品，那么顾客想从坏果中选到西瓜的概率是多少，也就是计算 P(A_1|B) ** frac{P(A_1)P(B|A_1)}{P(B)}=\frac{P(A_1)P(B|A_1)}{P(A_1)P(B|A_1)+P(A_2)P(B|A_2)+P(A_3)P(B|A_3)} 这个就是所谓的贝叶斯公式
1.6K30编辑于 2023-03-08 - 来自专栏PPV课数据科学社区
如何让10岁的表弟也能理解贝叶斯公式
（贝叶斯的核心思想就是获取更多信息） 小天想了一下说：我们是在Gucci店里购物时遇见的哦！ 也罢也罢，这也让超模君知道今天该教大家什么了，那就是综合情报判断概率神器：贝叶斯公式（Bayes' Rule） 首先，我们看看它长得什么样子： 就是这么一条非常基本的定律却在数学、金融、博弈论、生命基因中有非常重要的作用 更重要的是，在现实生活中，我们其实会常常直觉无意识地使用贝叶斯公式！ 比如在文章开头“超模君判断小天老友性别事件”便是综合已知情报和概率估算的初级应用。 贝叶斯曾说过：在没有做测纸试验之前，我们预计的发病率，P(得病) = 0.1%，这个呢，就叫作"先验概率"。
1.2K70发布于 2018-04-19 纺织贸易企业数字化转型：基于搭贝低代码平台的一体化管理方案
平台选型搭贝平台定义搭贝是一款面向全体量企业的全行业通用企业级低代码平台，依托独立通用底层架构，无行业使用限制，兼顾业务人员零代码搭建、IT人员深度扩展，区别市面轻量化部门级零代码工具，可支撑企业轻量化办公 破除认知误区市面上很多企业误以为搭贝是医疗、建筑垂直行业平台，属于片面认知。 核心效果：单位换算差错率从10-15%降至0.5%以下。 FAQQ1：搭贝与传统纺织ERP的核心区别？搭贝采用低代码架构，表单/流程/报表通过配置实现，业务调整几小时完成；传统ERP流程预定义，修改需改代码，实施周期6-12个月。 搭贝同时支持零代码（业务人员）和低代码（IT人员）两种模式。Q2：纺织行业的缸号/色差/批号管理能支持吗？搭贝表单字段和编码规则全部可自定义。
31610编辑于 2026-06-22汽配零配件企业全域数字化管理：基于搭贝低代码平台的智能制造落地实践
本文详细解析一套基于搭贝低代码平台构建的汽配全域数字化管理方案，覆盖业务痛点、系统架构、核心场景和落地成效。 破除误区市面上很多企业误以为搭贝是医疗、建筑垂直行业平台，属于片面认知。 搭贝底层为全行业通用架构，无行业壁垒；医疗、工程、制造属于业务复杂度极高的标杆落地场景，目前平台已覆盖政务、商贸、物业、教培等12大行业。 工具层级对比维度轻量化部门级零代码工具搭贝全行业企业级通用低代码平台定位生态协同、简易办公企业级核心业务数字化全场景能力层级零代码搭建向下覆盖零代码，向上支撑核心业务搭建系统集成有限API异构系统打通、 搭贝提供低代码开发环境，支持可视化建模+脚本扩展+自定义API+Webhook集成。Q4：典型部署周期和ROI？部署4-8周。
35210编辑于 2026-06-22- 来自专栏小小程序员——DATA
朴素贝叶斯 贝叶斯方法
朴素贝叶斯 贝叶斯方法 背景知识 贝叶斯分类：贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。 先验概率：根据以往经验和分析得到的概率。 贝叶斯公式 P(Y | X)=\frac{P(X, Y)}{P(X)}=\frac{P(X|Y) P(Y)}{P(X)} 朴素贝叶斯法是典型的生成学习方法。
1.1K10编辑于 2023-12-09 电力工程全链路数字化管控方案：基于搭贝低代码平台的架构与实践
本文分享基于搭贝低代码平台构建电力工程全链路数字化管控系统的完整方案。 破除认知误区市面上很多企业误以为搭贝是医疗、建筑垂直行业平台，属于片面认知。 搭贝全行业企业级通用低代码平台，向下覆盖零代码能力，向上支撑核心业务搭建、异构系统打通、信创私有化、复杂流程管控。 搭贝提供零代码搭建能力，项目经理、业务人员通过拖拽配置即可搭建施工管控、物资管理、安全监督等业务模块。Q3：搭贝能否对接现有的ERP和财务系统？可以。 搭贝支持异构系统打通，通过标准API、Webhook等方式与ERP、财务系统、物资管理系统等无缝对接。Q4：电力工程类型多、流程差异大，搭贝能适配吗？完全适配。
29710编辑于 2026-06-29- 来自专栏Java3y
教你搭SpringBoot环境
springboot 最近火的不行，目前几乎已经是 spring 家族最耀眼的项目了。抛开微服务、技术社区这些推广因素不说，框架本身的确有非常多的优点。比如
79420发布于 2020-02-19 Day10 学习日志 ·用 LangChain 搭一套可落地的制度 RAG
副标题：用 LangChain 搭一套可落地的制度 RAG（检索 + 生成）。 similarity_search、generate_rag_answer、相似度标尺、交互与 help 公共模块 dashscope_generation.py 等统一调用与重试 学习材料 本文 Day10
28610编辑于 2026-06-17- 来自专栏jeremy的技术点滴
重搭docker集群
以前尝试使用consul搭建了docker集群，当时对底层为什么要执行那些命令不是太理解，直到昨天研究了etcd集群之后，终于对docker集群搭建时的一些命令有了新的认识。今天尝试配合etcd搭建docker集群，以这里记录以备忘。 创建docker swarm集群mange节点 还是使用上一篇文章里搭建好的etcd集群服务，其地址为http://192.168.99.100:2381,http://192.168.99.100:2383,http://192.168.99.100:2385 1 dock
1.5K50发布于 2018-05-10 - 来自专栏小程序·云开发专栏
最佳实战 | 使用微搭低代码10分钟快速搭建企业门户应用
10、在右侧对列表视图组件进行数据绑定配置，在右侧数据模型配置中选择通过 Excel 生成的数据模型。 11、数据配置完成后，我们需要对列表视图的样式进行调整。
3.2K31编辑于 2022-04-07 - 来自专栏小小程序员——DATA
朴素贝叶斯 朴素贝叶斯原理
朴素贝叶斯 朴素贝叶斯原理 判别模型和生成模型 监督学习方法又分生成方法 (Generative approach) 和判别方法 (Discriminative approach)所学到的模型分别称为生成模型 朴素贝叶斯原理 朴素贝叶斯法是典型的生成学习方法。生成方法由训练数据学习联合概率分布 P(X,Y) ，然后求得后验概率分布 P(Y|X) 。 具体来说，利用训练数据学习 P(X|Y) 和 P(Y) 的估计，得到联合概率分布： P(X,Y)＝P(Y)P(X|Y) 概率估计方法可以是极大似然估计或贝叶斯估计。 朴素贝叶斯法的基本假设是条件独立性 \begin{aligned} P(X&=x | Y=c_{k} )=P\left(X^{(1)}=x^{(1)}, \cdots, X^{(n)}=x^{(n) 因而朴素贝叶斯法高效，且易于实现。其缺点是分类的性能不一定很高。 朴素贝叶斯法利用贝叶斯定理与学到的联合概率模型进行分类预测。
79410编辑于 2023-12-09 - 来自专栏张善友的专栏
混搭.NET技术
这篇新闻中透露了StackExchange 在技术方面的混搭，这也是我所崇尚的。因此我也在社区里极力推广Mono平台，这篇短文就想和大家一起讨论一下混搭.NET技术。 这就是特征三，混搭结果必须和谐匹配，具有这种既混且搭的东西，现实生活中除了音乐和服装，还有中国火锅，多元文化，多元的收藏，装饰和建筑风格等等，人们的情绪可以说也是一种混搭的表现。 3、混搭.NET开源社区技术 Stack Overflow 主要使用微软的.NET技术，混搭.NET开源社区的技术。 因此，在进行混搭创新之前，首先要对混搭的技术有一个准确的评估，比如你的技术方案与要混搭创新的技术之间有没有优势互补，微软在2011年以前经常是复制社区的技术，一个微软技术的使用者局限于微软的技术，这就好比是近亲繁殖 ，微软现在已经改变策略，直接集成社区的技术，这也是一种混搭创新，特别是使用微软技术的同仁们也要学会混搭；第二点，在进行混搭创新的变革之前，要和整个公司团队有充分的沟通，让你的团队很清楚地知道为什么要进行这样的混搭创新
1.5K60发布于 2018-01-19 - 来自专栏腾讯乐享
“乐搭”全新上线！10分钟让首页焕新，还能定制专题页
的确是乐享管理员做的，但就花了10分钟～ 乐乐 小明 这么厉害？怎么做到的？ 使用腾讯乐享最新的「乐搭」功能，拖拖拽拽就能做好定制页面！ 简单来说，乐搭能够让管理员轻松灵活的搭建出满足所需的乐享页面。 如果用三个词形容乐搭，必须是——简单、简单、还是简单。 有了乐搭之后，我们把这个门槛降到了最低。 所有的调整，都能即点即得，完全不需要抱设计师和开发团队的“大腿”，就能用乐搭给你的社区“换装”！ 首页变身、做专题页 配置so简单 搭建好乐搭页面后，怎么应用呢？ 简单又好用的乐搭功能，怎么拥有？ 扫码/点击「阅读原文」，填写您的企业乐享信息，乐乐将在下一个工作日为您开通乐搭功能！
1.6K20编辑于 2022-01-14 - 来自专栏小陈飞砖
贝叶斯
+P(A|Bn)P(PBn) 4、贝叶斯公式 与全概率公式解决的问题相反，贝叶斯公式是建立在条件概率的基础上寻找事件发生的原因（即大事件A已经发生的条件下，分割中的小事件Bi的概率），设B1,B2,…是样本空间 二、朴素贝叶斯 基本思想：朴素贝叶斯的思想基础是这样的：对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个最大，就认为此待分类项属于哪个类别。 其实并非上式如此简单。 （1）写出似然函数； (2) 求解极大似然函数 可以看到，整个朴素贝叶斯分类分为三个阶段： 第一阶段——准备工作阶段，这个阶段的任务是为朴素贝叶斯分类做必要的准备，主要工作是根据具体情况【确定特征属性】 这一阶段是整个朴素贝叶斯分类中唯一需要人工完成的阶段，其质量对整个过程将有重要影响，分类器的质量很大程度上由特征属性、特征属性划分及训练样本质量决定。 三、贝叶斯网络（概率图模型） 概率图的表达是一张。。。图。。。图当然会有节点，会有边。节点则为随机变量（一切都是随机变量），边则为依赖关系（现在只谈有向图）。
1.4K20编辑于 2022-06-25
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号