数学
文章平均质量分 92
hubin00sx
这个作者很懒,什么都没留下…
展开
-
[PRML] Point Estimation 点估计
问题引入——一份咨询工作 你的第一份工作是一份咨询工作,一天,一位来自北京的亿万富翁向你咨询一个问题。富翁: 我丢一枚图钉,有多大的可能它的尖端向上。你:可以丢几次图钉。丢图钉结果:你:有3/5的概率尖端向上。富翁:为什么是3/5?你:因为……二项分布 设Heads为尖端向上,它的概率为θ\theta,Tails为尾巴向上,D为几次丢图钉的观测结果,H表示一次丢图钉观测到Heads原创 2017-03-15 09:40:43 · 1426 阅读 · 0 评论 -
[PRML] Bayesian Learning 贝叶斯学习方法
问题引入 在上一篇博客[PRML] Point Estimation 点估计 的最后,难搞的富翁提了一个无厘头的问题,他固执地认为,图钉头朝上和屁股朝上的概率和抛硬币一样是五五开。尽管我们很好地用理论阐述了为什么图钉头朝上的概率是3/5,但富翁还是要我们解释一下为什么。没办法,谁让人家给钱呢:(θ\theta的概率分布 在点估计中,我们假设图钉头朝上的概率是一个单值,现在,更一般地,我们假设θ\原创 2017-03-16 15:15:39 · 5956 阅读 · 0 评论 -
[PRML] Bayesian Learning 贝叶斯学习方法 - 后续
前面的故事 上一篇[PRML] Bayesian Learning 贝叶斯学习方法 的最后,富翁又向我们提出了新的问题。富翁:现在我给你一个骰子,你能告诉我掷一次每个点数出现的概率吗?-:恩,我可以用差不多的方法解决你的问题。给富翁的解释 实际上,这个问题只是把θ\theta从一个变量扩展成了一维变量θθ\pmb{\theta}。 我们设θθ={θ1,...,θr},θ1+...+θ原创 2017-03-17 12:01:36 · 3733 阅读 · 0 评论