- 博客(3)
- 资源 (1)
- 收藏
- 关注
翻译 MLAPP Chapter 3 离散数据的生成模型
3 Generative models for discrete data3.1 介绍我们在2.2.3.2讨论了如何将贝叶斯规则应用于生成分类器对特征向量x进行分类,生成分类器的形式是: p(y=c|x,θ)∝p(x|y=c,θ)p(y=c|θ)p(y=c|x,θ)∝p(x|y=c,θ)p(y=c|θ)p(y=c|x,\theta)\propto p(x|y=c,\theta)p(y=c...
2018-07-13 20:53:42
689
翻译 MLAPP Chapter2 信息论
2.8 信息论信息论关注的是以一种紧凑的方式表示数据(一种称为数据压缩或源代码编码的任务),以及以一种对错误(一种称为错误修正或信道编码的任务)鲁棒性很好的方式传输和存储数据。起初,这似乎与概率论和机器学习的关注点相去甚远,但实际上有一种亲密的联系。要了解这一点,请注意,紧凑地表示数据需要将短码字分配到可能性高的位字符串,并将较长的码字保留到不太可能的位字符串。这与自然语言中的情况类似...
2018-07-13 17:46:09
8754
翻译 MLAPP Chapter2 概率论回顾
2 概率 Probability2.1 介绍 概率论只不过是把常识简化为计算——皮埃尔拉普拉斯 在前一章中,我们看到概率如何在机器学习中发挥作用。在本章中,我们将更详细地讨论概率论。 让我们先停下来问一下:概率是什么? 我们都熟悉“硬币正面落地的概率是0.5”这句话。但这是什么意思呢?实际上对概率至少有两种不同的解释。一种叫做频率论(frequentist)解释,在此观点中,...
2018-07-10 17:49:11
446
Hands-on-Machine-Learning-with-Scikit 2E.pdf
2019-08-28
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人