wyattdenise-CSDN博客

转载从最大似然到EM算法浅解

从最大似然到EM算法浅解1398107326@qq.comhttp://blog.csdn.net/leonis_v 转载自：http://blog.csdn.net/leonis_v/article/details/50529611 机器学习十大算法之一：EM算法。能评得上十大之一，让人听起来觉得挺NB的。什么是NB啊，我们一般说某个人很NB，是因为他

2017-06-04 21:03:55 295

转载 K-means算法、EM算法——斯坦福CS229机器学习个人总结（五）

转载自：http://blog.csdn.net/sinat_37965706/article/details/71153876这一份总结的主题是无监督学习的EM算法。在前面提到的逻辑回归、SVM、朴素贝叶斯等算法，他们的训练数据都是带有标签的（预分类结果），这样的算法被称为监督学习。当训练数据没有标签，只提供特征时，称为无监督学习。 EM算法（Expectation maxmi

2017-06-04 20:08:13 822

转载 LDA话题模型与推荐系统

转自：http://www.jianshu.com/p/50295398d802LDA话题模型与推荐系统 Not_GOD 2014.11.24 19:26* 5302 字 287 次阅读前段时间学习Netflix的推荐系统的slides，学到一句话：“The Age of Search has come to an end. Long live the

2015-05-17 20:59:35 3136

转载 The Dirichlet Distribution 狄利克雷分布

转自：http://www.xperseverance.net/blogs/2012/03/510/Dirichlet分布可以看做是分布之上的分布。如何理解这句话，我们可以先举个例子：假设我们有一个骰子，其有六面，分别为{1,2,3,4,5,6}。现在我们做了10000次投掷的实验，得到的实验结果是六面分别出现了{2000,2000,2000,2000,1000,1000}次，如果用每

2015-05-17 19:16:00 476

转载 LDA（LDA文档主题生成模型）

摘自百度百科LDA（LDA文档主题生成模型）LDA（Latent Dirichlet Allocation）是一种文档主题生成模型，也称为一个三层贝叶斯概率模型，包含词、主题和文档三层结构。所谓生成模型，就是说，我们认为一篇文章的每个词都是通过“以一定概率选择了某个主题，并从这个主题中以一定概率选择某个词语”这样一个过程得到。文档到主题服从多项式分布，主题到

2015-05-17 14:43:50 1022

转载判别式模型与生成式模型的区别

转自原文http://blog.csdn.net/wolenski/article/details/7985426判别式模型与生成式模型的区别产生式模型(Generative Model)与判别式模型(Discrimitive Model)是分类器常遇到的概念，它们的区别在于：对于输入x，类别标签y：产生式模型估计它们的联合概率分布P(x,y)判别式模型估计条件概率

2015-05-17 10:24:18 418

转载机器学习：判别模型与生成模型

原文来自http://blog.sciencenet.cn/home.php?mod=space&uid=248173&do=blog&id=227964。机器学习中的模型一般分为两类：判别模型、生成模型，这是对问题的两种不同的审视角度。假设我们要学习一个算法区分大象和狗（假设输入是重量、鼻子长度等特征）。判别模型和生成模型以两种不同的思路解决这个问题：判别模型：根据训练集

2015-05-17 10:18:31 634

转载《推荐系统实践》的笔记

书名: 推荐系统实践作者: 项亮页数: 197出版社: 人民邮电出版社出版年: 2012-6正如吴军在序言中所述，本书算是填补了系统分析论述推荐系统方面书籍的空白。下面按照书的章节顺序进行总结。声明：本文完全按照本人兴趣有选择性的总结，有想了解详情者请自行看书。 1. 为什么要有Rec Sys？在我们日常的信息接收过程，往往存在的以下两个问题： · 信息过载；

2015-05-16 21:18:47 245

转载使用LFM（Latent factor model）隐语义模型进行Top-N推荐

原文地址：http://blog.csdn.net/harryhuang1990/article/details/9924377隐语义模型LFM和LSI，LDA，Topic Model其实都属于隐含语义分析技术，是一类概念，他们在本质上是相通的，都是找出潜在的主题或分类。这些技术一开始都是在文本挖掘领域中提出来的，近些年它们也被不断应用到其他领域中，并得到了不错的应用效果。比如，在推荐

2015-05-16 17:19:25 404

wyattdenise的博客