- 博客(4)
- 收藏
- 关注
原创 MLAPP 第三章
MLAPP —— 第三章 Generative models for discrete data参考博客内容逐渐硬核……参考博客对第三章内容做了大致的翻译,这里补充一下自己的理解。本章的主要内容是:借助贝叶斯公式,推断概率模型中的参数,进一步地,在已经观测到的数据集的基础上,对新观测到的数据进行预测。本章从几个实际例子出发,解释了先验、似然、后验、MAP、MLE等一系列基本概念。原...
2020-01-13 14:06:46 637 1
原创 矩阵求导术(一)——标量对矩阵的求导方法
矩阵求导术(一)——标量对矩阵的求导方法 前言 自从开始了解机器学习、深度学习的知识以来,便免不了要同矩阵打交道。矩阵的基本运算法则、矩阵分解等均是很重要的基础知识,不论是在统计机器学习领域还是在如今大火的深度学习领域。矩阵运算使得多变量计算式可以更加简洁地表达,从而提高算法开发效率。但好在上述知识在一般的线性代数教材上均有详细阐述,但一旦涉及矩阵求导,就仿佛涉足了一个线性代数与数学...
2020-01-07 22:14:03 1273
原创 MLAPP 第二章
MLAPP —— 第二章 Probability参考博客Probability theory is nothing but common sense reduced to calculation.——Pierre Laplace.本章基本为概率论基本概念回顾,参考博客写得很详细。补充要点如下:概率链式法则将联合概率转化为条件概率乘积形式:边缘概率贝叶斯法则...
2020-01-02 21:10:13 303
原创 Machine Learning-A Probabilistic Perspective笔记——第一章 INTRODUCTION
Machine Learning-A Probabilistic Perspective笔记MLAPP是统计机器学习领域内一本经典著作。就兴起先后顺序来说,统计机器学习较如今大火的深度学习神经网络更久远,不同于神经网络作为一个端到端的系统,将输入到输出过程看做一个黑匣子,统计机器学习更多地从概率论和数理统计角度诠释数据,可解释性更强。2012版本分享链接(仅用于学术交流用途):链接: ...
2020-01-02 19:43:15 1597
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人