本文介绍了概率论与数理统计在机器学习中的重要性，特别是针对过拟合问题的处理，强调了数据预处理中的归一化方法。讨论了随机试验、概率、全概率公式和贝叶斯公式，以及随机变量的概念。同时，提到了深度学习模型如Alexnet、VGG等面临的过拟合问题，并指出归一化作为预防过拟合的关键步骤。
概率相关的模型:《概率论与数理统计》
贝叶斯模型：
1.每一个节点代表一个离散随机变量
2.每条射线代表一个条件概率表(为什么是表，因为节点所代表的随机变量的自变量取值可能为多个，每一个取值就是下一个节点的条件)
马尔科夫模型:
二者都使用概率图理论
eg:知道了感冒发生，和现在为春天，等信息，求头痛的概率，具体计算很复杂，基于概率图模型........
dbn hinton
deep belief network深度信念网
boltzman unit
conditional random field条件随机场
最低0.47元/天 解锁文章
扫一扫
1038
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
