潜变量模型

该文介绍了潜变量模型在机器学习中的应用,包括密度建模和概率主成分分析。密度建模中,极大似然估计是常用方法,而潜变量模型通过引入不可见的潜变量x来解释数据分布。概率主成分分析涉及对数据集的协方差矩阵求解,以理解样本间的关系。
摘要由CSDN通过智能技术生成

Bishop C M. Latent variable models[M]//Learning in graphical models. Springer Netherlands, 1998: 371-403.

1. Density modelling

密度估计是机器学习中的一个主要任务。通常,最常用的办法就是极大似然估计(MLE),假设我们有一个数据集 D=t1,t2...tn ,包含了n个样本。最常用的高斯函数,就可以通过下式给出:

p(t|μ,Σ)=(2π)d/2Σ1/2exp(0.5(t
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值