![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
Bingolby
这个作者很懒,什么都没留下…
展开
-
混合高斯模型的EM算法
混合高斯模型的EM算法Pre-requisites "混合模型简介"笔记Overview 在"混合模型简介"笔记中, 我们介绍了混合模型. 回顾一下, 假如观测值XiX_{i}Xi来源于含有KKK个组件的混合模型, 那么XiX_{i}Xi的边缘概率分布的形式为:P(Xi=x)=∑k=1KπkP(Xi=x∣Zi=k)P\left(X_{i}=x\right)=\sum_{k=1...原创 2020-01-06 14:26:49 · 254 阅读 · 0 评论 -
混合模型简介
混合模型简介Overview 在对一个数据集进行分析之前,我们通常会假设样本服从某个特定的分布(如正态分布).然后进行一些工作来预测这个分布的参数(例如使用最大似然方法求得正态分布的均值和方差). 然而,在许多场景下,"样本服从某个单峰分布"的假设还是过于强烈,无法得到很好的效果.我们要建模的数据通常要更加复杂,比方说,多峰\textbf{多峰}多峰的正态分布.这篇笔记描述了对这种复...原创 2020-01-06 14:23:59 · 5009 阅读 · 0 评论 -
PRML学习笔记-贝叶斯线性回归
简介p(t∣X,w,β)=∏n=1NN(tn∣wTϕ(xn),β−1)p(\mathbf{t} | \boldsymbol{X}, \boldsymbol{w}, \beta)=\prod_{n=1}^{N} \mathcal{N}\left(t_{n} | \boldsymbol{w}^{T} \boldsymbol{\phi}\left(\boldsymbol{x}_{n}\right),...原创 2019-11-14 18:33:09 · 279 阅读 · 0 评论 -
PRML学习笔记-范函变分
范函变分范函变分的定义设F(x,y(x),y′(x))\mathrm{F}\left(\mathrm{x}, \mathrm{y}(\mathrm{x}), \mathrm{y}^{\prime}(\mathrm{x})\right)F(x,y(x),y′(x))是三个独立变量x,y(x),y′(x)x, y(x), y^{\prime}(x)x,y(x),y′(x)在区间[x0,x1]\le...原创 2019-11-14 17:33:09 · 288 阅读 · 0 评论 -
PRML学习笔记-条件高斯分布与边缘高斯分布的常用性质
条件高斯分布与边缘高斯分布的常用性质基本知识多元高斯分布的一个重要性质是,如果两组变量是联合高斯分布,那么以一组变量为条件,另一组变量同样是高斯分布。类似地,任何一个变量的边缘分布也是高斯分布。首先考虑条件概率的情形。假设 x 是一个服从高斯分布 N(x∣μ,Σ)\mathcal{N}(\boldsymbol{x} | \boldsymbol{\mu}, \mathbf{\Sigma})N(...原创 2019-11-14 17:24:54 · 1143 阅读 · 0 评论