1.数学建模的目标是使得经验分布无穷接近于真实分布
2.从真实分布采样的期望称为正相,从模型分布采样的期望称为负相
3.利用极大似然估计推出的参数估计公式是最小化KL散度,称为ML-learning
4.利用MCMC采样应对复杂概率分布求参数估计的方法,称为CD-Learning
5.CD-k是指用MCMC在构建平稳分布时的初始值就是训练样本的随机采样样本
机器学习中,建立的模型一般服从指数族分布,而最终会面临求对数配分函数才能求得最终的概率形式:
但可惜的是,大多数情况我们对配分函数无能为力(求解不出来)。在概率图模型介绍变分推断时,我们给出了一种通过蒙特卡洛采样的方法近似。
传送门:变分推断(Variational Inference)
这一篇就