在看PRML的第二章Probability Distributions ,其中介绍了二元变量,多元变量,高斯分布等概率分布,介绍了指数族分布,和非参数的方法进行模型的训练。
都是当时讨论时做的PPT,之间截图。
总体介绍
2.1二元变量
2.1.1从频率的角度构造似然函数进行求解
关于极大似然函数估计的推导过程
共轭先验的简介,背景知识:
2.1.2从贝叶斯的角度构造先验函数,得到后验
2.2 多项式变量
2.2.1 从频率的角度构造似然函数进行求解
将似然函数最大化,用log对数将其变为加法,令导数为零,详细的推导过程。
2.2.2 从贝叶斯的角度出发,构造先验函数,得到后验函数
2.3 高斯分布
关于高斯分布较为重要,下边主要详细介绍了关于高斯分布的边缘概率分布,条件概率分布,最大似然估计(多维的求导过程,关于协方差矩阵的不太清楚,写了一维的推导过程)的详细推导过程,相比于书中的配方法可能更好理解一些
二次型(比较重要的一个概念)的介绍:
当高斯分布为2维时
2.3.1条件高斯分布,边缘高斯分布
2.3.2 高斯分布的贝叶斯定理
2.3.3高斯分布的极大似然
2.3.4顺序估计
2.3.5学生t分布
2.3.6混合高斯模型
参考资源:
b站上的一个视频:白板推导。十分详细的讲解,有助于理解
PRML pdf版