![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
西瓜书
然后就去远行吧
我们的目标是星辰大海~
展开
-
西瓜书——EM算法(一)
1. EM算法的引入 1.1 为什么需要EM算法 概率模型有时既含有观测变量,又含有隐变量或者潜在变量。如果概率模型的变量都是观测变量,那么给定数据,可以直接用极大似然估计法,或者贝叶斯估计法估计模型参数。但是,当参数含有隐变量时,就不能简单地使用这些估计方法。EM算法就是含有隐变量的概率模型参数的极大似然估计法。 2. EM算法的例子 2.1 《统计学习方法》例9.1(三硬币模型) 假设有 3....原创 2019-12-24 22:17:22 · 719 阅读 · 0 评论 -
西瓜书——极大似然估计和朴素贝叶斯
1、贝叶斯判定准则 贝叶斯判定准则:为最小化风险,只需要在每个样本上选择那个能使条件风险R(c∣x)R(c|x)R(c∣x)最小的类别标记,即h∗(x)=arg minc∈yR(c∣x)h^*(x) = arg\space min_{c\in y}R(c|x)h∗(x)=arg minc∈yR(c∣x)此时,h∗h^*h∗称为贝叶斯最优分类器。需要注意一下,R(c∣x)R(c...原创 2019-11-06 20:27:28 · 510 阅读 · 0 评论