自己在学习过程中看到的非常好的资料,持续更新
请使用Ctrl+F搜索关键字,例如:RBM,DNN,生成模型等。。。
一、受限波尔兹曼机(RBM)
博主 皮果提:
(五)梯度计算公式
如果感觉上述内容中里面关于gibbs采样的没有太理解,推荐阅读以下内容:
LDA-math-MCMC 和 Gibbs Sampling(1)
LDA-math-MCMC 和 Gibbs Sampling(2)
以及Rachel-Zhang大神关于MH,Gibbs采样的实现(R语言)非常简介明了:MC, MCMC, Gibbs采样 原理&实现(in R)
生成模型与判别模型,这个讲的很详细
另外判别模型、生成模型与朴素贝叶斯方法里面有个很好理解的
下面摘出来:比如说要确定一只羊是山羊还是绵羊,用判别模型的方法是先从历史数据中学习到模型,然后通过提取这只羊的特征来预测出这只羊是山羊的概率,是绵羊的概率。换一种思路,我们可以根据山羊的特征首先学习出一个山羊模型,然后根据绵羊的特征学习出一个绵羊模型。然后从这只羊中提取特征,放到山羊模型中看概率是多少,再放到绵羊模型中看概率是多少,哪个大就是哪个。形式化表示为求clip_image008[12](也包括clip_image010[8],y是模型结果,x是特征。
生成方法:朴素贝叶斯方法、隐马尔可夫模型
判别方法:k近邻法、感知机、决策树、逻辑斯谛回归模型、最大熵模型、支持向量机、提升方法、条件随机场