白板推导
文章平均质量分 65
白板推导
强强学习
斜杠青年,个人爱好为AI/写作/阅读,三者并列。个人格言为:Design and implement sophisticated system to make things easy
展开
-
频率派与贝叶斯派
文章目录1. 频率派2. 贝叶斯派 对概率的诠释有两大学派,一种是频率派另一种是贝叶斯派。 其中数据集的数学符号如下所示:X=(x1x2⋯xN)N×PT=[x11x12⋯x1px21x22⋯x2p⋮⋮⋮⋮xN1xN2⋯xNP]X = \left( \begin{array} { l l } { x _ { 1 } } & { x _ { 2 } \cdots x _ { N } } \end{array} \right) ^ { T }_ { N \times P }= \left[ \b原创 2022-01-31 11:33:32 · 1314 阅读 · 0 评论 -
协方差与相关系数
文章目录1. 协方差与相关系数2. 协方差矩阵2.1 混合中心矩1. 协方差与相关系数协方差公式如下:Cov(X,Y)=E[X−E(X)[Y−E(Y)]]Cov(X,Y)=E{[X-E(X)[Y-E(Y)]]}Cov(X,Y)=E[X−E(X)[Y−E(Y)]]相关系数公式如下:ρXY=Cov(X,Y)D(X)D(Y)\rho_{XY}=\frac{Cov(X,Y)}{\sqrt{D(X)}\sqrt{D(Y)}}ρXY=D(X)D(Y)Cov(X,Y)2. 协方差矩阵2.1 混合中心原创 2021-11-25 15:57:39 · 3842 阅读 · 0 评论 -
概率论基础
文章目录1. 随机变量X服从于某一分布2 频率派2.1 似然函数2.2 极大似然估计3. 贝叶斯派1. 随机变量X服从于某一分布 X∼p(x∣θ)X \sim p(x|\theta)X∼p(x∣θ)2 频率派 θ\thetaθ是未知的常量,X是随机变量。2.1 似然函数L(θ∣x)=P(X=x;θ)=∏i=1Np(xi;θ)L(\theta|x)=P(X=x;\theta)=\prod \limits_{i=1} ^N p(x_i;\theta)L(θ∣x)=P(X=x;θ)=i=1∏Np原创 2021-11-25 11:51:06 · 300 阅读 · 0 评论 -
机器学习经典教材与视频总结
0. 门派频率派:统计机器学习。贝叶斯派:概率图模型。1. 教材统计学习方法:感K朴决逻,支提E隐条。属于统计机器学习。PRML:回分神核稀 图混近采连 顺组。属于概率图模型。其中连指的是连续潜在变量。2. 视频林轩田的机器学习基石:VC维、正则化、线性模型等。林轩田的机器学习技法:SVM等。...原创 2021-11-25 10:05:24 · 101 阅读 · 0 评论