Fighting_22的博客

原创 跟着李沐学Pytorch--序列模型（一）

一、序列数据 二、统计工具 在时间t观察到xt，那么得到T个不独立的随机变量（x1 ~ xT）~ P(x) （前后不受到影响，互相独立） 使用条件概率展开 p(a,b)=p(a)p(b|a)=p(b)p(a|b) 三、序列模型 正向：先得到X1，再推x2，x2是依赖于x1，同理，x3依赖于之前的x1,x2. 反向：（已知未来推过去）先得到xT,再反过来推。在物理层面上是不可行的，因为很多的理论是基于之前的理论。 四、自回归模型 自回归模型：给过去的数据，预测下一个数据 对条件概率建模 预测xt，对之