机器学习
关注
分享
扫一扫
文章平均质量分 66
__鸿
这个作者很懒，什么都没留下…
展开
-
贝叶斯公式的共轭分布
共轭分布是一种极大简化贝叶斯分析的方法。其作用是有两个：1.简化贝叶斯公式中概率函数的计算；2.在贝叶斯公式包含多种概率分布的情况下，使这些分布的未知参数在试验前被赋予的物理意义，延续到试验后，便于分析。第二个作用尤为重要。原创 2014-10-06 08:13:18 · 5746 阅读 · 0 评论 -
最大似然估计（Maximum likelihood estimation）
最大似然估计是一种非常有效的参数估计的数学方法，常用于在主题建模等领域。其思想是，对于已知的样本，假设它服从某种模型，估计模型中未知的参数，使该模型出现这些样本的概率最大。原创 2014-10-05 12:08:09 · 3601 阅读 · 0 评论 -
模式识别与机器学习（一）：概率论、决策论、信息论
本系列是经典书籍《Pattern Recognition and Machine Learning》的读书笔记，正在研读中，欢迎交流讨论。原创 2016-02-27 21:52:49 · 5135 阅读 · 0 评论 -
模式识别与机器学习（二）：常用的概率分布（共轭分布等）
本系列是经典书籍《Pattern Recognition and Machine Learning》的读书笔记，正在研读中，欢迎交流讨论。原创 2016-03-10 21:07:37 · 23796 阅读 · 7 评论 -
softmax的log似然代价函数（公式求导）
在人工神经网络（ANN）中，softmax通常被用作输出层的激活函数。这不仅是因为它的效果好，而且因为它使得ANN的输出值更易于理解。同时，它配合log似然代价函数，其训练效果也要比采用二次代价函数的方式好。原创 2016-04-02 21:59:01 · 69592 阅读 · 13 评论 -
交叉熵代价函数（作用及公式推导）
交叉熵代价函数（Cross-entropy cost function）是用来衡量人工神经网络（ANN）的输出值与实际值的一种方式。与二次代价函数（Quadratic cost function）相比，它能更有效地配合反向传播算法，促进ANN的训练。原创 2016-04-02 18:22:52 · 127136 阅读 · 43 评论 -
反向传播算法（过程及公式推导）
反向传播算法（Backpropagation）是目前用来训练人工神经网络（Artificial Neural Network，ANN）的最常用且最有效的算法。原创 2016-04-01 21:19:56 · 204720 阅读 · 62 评论