PRML学习笔记
文章平均质量分 84
Un-Infinite
做自己喜欢做的事
展开
-
第一章 绪论
1.1 用贝叶斯的观点解释多项式拟合本节对应PRML (Pattern Recognition and Machine Learning)的1.2.5节。给定训练集x=(x1,x2,…,xN)T\mathbf{x}=(x_1,x_2,\dots,x_N)^T,样本标签t=(t1,t2,…,tN)T\mathbf{t}=(t_1,t_2,\dots,t_N)^T,可以用一个高斯分布来描述目标值t\ma原创 2015-08-09 20:44:16 · 818 阅读 · 0 评论 -
第二章 概率分布
1. N趋近于无穷大时多项式分布收敛到高斯分布本节对应PRML (Pattern Recognition and Machine Learning)的2.3节。当我们考虑多个随机变量只和的时候,也会产生高斯分布。拉普拉斯提出的中心极限定理(central limit theorem)告诉我们,对于某些温和的情况,一组随机变量之和(当然也是随机变量)的概率分布随着和式中项的数量增加而逐渐趋向高斯分布(原创 2015-08-31 22:37:02 · 1146 阅读 · 0 评论