![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
笔记
Zicon in广工
GDUTer,大三
展开
-
高斯混合模型(GMM)推导
数据表示如下:XXX:观测数据,X={x1,x2,...,xN}X=\{x_1,x_2,...,x_N\}X={x1,x2,...,xN}(X,Z)(X,Z)(X,Z):complete data,(X,Z)={(x1,z1),(x2,z2),...,(xN,zN)}(X,Z)=\{(x_1,z_1),(x_2,z_2),...,(x_N,z_N)\}(X,Z)={(x1,z1),(x2,z2),...,(xN,zN)}θ\thetaθ:参数,θ={P1,...,Pk,μ1,....原创 2020-12-26 22:01:11 · 1159 阅读 · 0 评论 -
指数族分布
写在前面:本文只是对暂时学到的指数族分布的理论知识进行总结,至于指数族分布在实际机器学习中的具体应用,等后续学习到了再进行补充,也欢迎有经验的大佬赐教~文章将按照下面的思路进行:第一章首先给出指数族分布通用的 pdf 的表达式,简单介绍什么是充分统计量和对数配分函数;接着将一元高斯分布的 pdf 改写成指数族分布的通用形式,以加深对该 pdf 的理解;第二章通过两种方式推导指数族分布的 pdf 中充分统计量和对数配分函数的关系:一种是直接在 pdf 上进行推导,另一种是通过极大似然估计的方式进行.原创 2020-12-23 22:21:09 · 1780 阅读 · 0 评论 -
机器学习中的高斯分布
文章目录一、高斯分布的概率密度函数二、一元高斯分布的极大似然估计2.1 μMLE,σMLE\mu_{MLE},\sigma_{MLE}μMLE,σMLE 的求解2.2 验证 μMLE,σMLE\mu_{MLE},\sigma_{MLE}μMLE,σMLE 的无偏性三、多元高斯分布3.1 马氏距离3.2 (x−μ)TΣ−1(x−μ)(x-\mu)^T\Sigma^{-1}(x-\mu)(x−μ)TΣ−1(x−μ) 的求解3.3 实际应用过程的问题四、联合分布 -> 边缘分布 + 条件分布4.1原创 2020-12-22 11:35:56 · 1148 阅读 · 0 评论