机器学习算法-模型
文章平均质量分 88
walkeao
What you can not create, you do not understand !
展开
-
隐马尔可夫模型(HMM)
隐马尔可夫模型(HMM) 隐马尔可夫模型HMM白话HMM深入HMM前言三个要素两个假设三个基本问题概率计算算法直接计算法前向算法后向算法小结学习算法监督学习算法无监督-EM算法求解预测算法参考白话HMM HMM定义:隐马尔科夫模型是关于时序的概率模型,描述由一个隐藏的马尔科夫链随机生成不可观测的状态随机序列(状态序列),再由各个状态生成一个观测而产生观测随机序原创 2017-12-18 14:01:33 · 862 阅读 · 0 评论 -
EM算法在高斯混合模型中的应用
高斯混合模型GMM 高斯混合模型GMM高斯混合模型定义GMM参数估计的EM算法明确隐变量写完全数据对数似然函数EM算法的E步EM算法的M步参考 注:该文章与《统计学习方法》by 李航 中的章节大致相同。 回顾EM算法的可以参考EM算法高斯混合模型定义 高斯混合模型是指具有如下形式的概率分布模型: P(y|θ)=∑k=1KαkΦ(y|θk)(1)P(y|\theta)=\原创 2017-12-17 14:46:16 · 753 阅读 · 0 评论 -
EM算法
EM算法 EM算法EM算法为什么使用EM两个事实EM算法过程三个问题EM算法的导出EM算法收敛性证明参考 本文中,若无特殊说明,使用 Y,yY,y 表示观测变量,使用 Z,zZ,z 表示隐藏变量,θ\theta 表示模型参数。EM算法为什么使用EM? 概率模型有时既包含观测变量,也包含隐变量(或潜在变量)。 如果模型只包含观测变量,则我们可以通过最大化对数似然 l(θ原创 2017-12-17 10:31:02 · 939 阅读 · 0 评论 -
Doc2Vec模型介绍及使用
Doc2Vec模型Doc2Vec模型摘要背景段落向量PV-DM模型PV-DBOW模型gensim实现Doc2Vec说明参考文献摘要通过本文,你将了解到:Doc2Vec模型是如何产生的Doc2Vec模型细节Doc2Vec模型的特点Doc2Vec的使用及代码(gensim)背景 Doc2Vec模型的产生要从词向量表示(论文word2vec模型)开始说起,该文章介绍了两种词的向原创 2018-01-07 16:35:31 · 15156 阅读 · 0 评论 -
Sentence2Vec模型介绍
Sentence2VecSentence2Vec前言算法介绍参考文献前言 本文是对论文A Simple but Tough-to-Beat Baseline for Sentence Embeddings中算法的简要描述,具体细节请参考代码实现。算法介绍 1. 对一个句子中所有词的词向量进行加权平均,每个词向量的权重可以表示为aa+p(w)\frac{a}{a+p(w)},其中aa为参数,原创 2018-01-04 20:03:56 · 12664 阅读 · 5 评论