上一页 1 ··· 5 6 7 8 9 10 11 12 13 下一页
摘要: https://www.cnblogs.com/wacc/p/5495448.html 贝叶斯线性回归 问题背景: 为了与PRML第一章一致,我们假定数据出自一个高斯分布: \[p(t|x,\mathbf{w},\beta)=\mathcal{N}(t|y(x,\mathbf{w}),\beta^{ 阅读全文
posted @ 2022-02-17 18:30 筷点雪糕侠 阅读(96) 评论(0) 推荐(0) 编辑
摘要: 1.摘抄1-老外的一些解释 https://stats.stackexchange.com/questions/305078/how-to-compute-equation-1-68-of-bishops-book I was treating the problem as having four 阅读全文
posted @ 2022-02-17 08:52 筷点雪糕侠 阅读(111) 评论(0) 推荐(0) 编辑
摘要: #一些记号和回顾 |参数 | 含义 | | | : | | \(N\) | 样本量 | |\(x=(x_1,...,x_N)^T\)|\(样本数据集\)| |\(t=(t_1,...,t_N)^T\)|\(样本的目标数据集\)| |\(p(x\|\mu,\sigma^2)=\prod\limits_ 阅读全文
posted @ 2022-02-17 08:27 筷点雪糕侠 阅读(452) 评论(0) 推荐(0) 编辑
摘要: 为了使得后验分布计算简单,为此引入共轭先验分布 #1.共轭分布族 \(设总体X的分布密度为p(x|\theta),F^*为\theta的一个分布族,\pi(\theta)为\theta的任意一个先验分布,\pi(\theta)\in F^*,若对样本的任意观测值x,\theta的后验分布h(\the 阅读全文
posted @ 2022-02-15 22:46 筷点雪糕侠 阅读(794) 评论(1) 推荐(0) 编辑
摘要: #1.一些记号和回顾 |参数 | 含义 | | | : | | \(N\) | 样本量 | |\(x=(x_1,...,x_N)^T\)|\(样本数据集\)| |\(t=(t_1,...,t_N)^T\)|\(样本的目标数据集\)| |\(p(x\|\mu,\sigma^2)=\prod\limit 阅读全文
posted @ 2022-02-14 23:06 筷点雪糕侠 阅读(104) 评论(0) 推荐(0) 编辑
摘要: https://math.stackexchange.com/questions/171226/stuck-with-handling-of-conditional-probability-in-bishops-pattern-recognition 在本书的第10.8章节重新讲到了高斯模型的概率图 阅读全文
posted @ 2022-02-14 23:04 筷点雪糕侠 阅读(133) 评论(0) 推荐(0) 编辑
摘要: 1.一元高斯分布 2.多元高斯分布 \(D是维度,\mu是均值向量,D\times D的矩阵\Sigma是协方差矩阵\) \(比如二维的X,Y\) $\begin{bmatrix} cov[x,x] & cov[x,y] \ cov[y,x] & cov[y,y] \ \end{bmatrix},对 阅读全文
posted @ 2022-02-14 21:46 筷点雪糕侠 阅读(50) 评论(0) 推荐(0) 编辑
摘要: \(\ \ \ \ \ \ 本 章 ⽬ 前 为 ⽌, 我 们 根 据 随 机 重 复 事 件 的 频 率 来 考 察 概 率。 我 们 把 这 个 叫 做 经 典 的\)(classical)\(或者频率学家\)(frequentist)\(的关于概率的观点。现在我们转向更加通⽤的贝叶斯\)(Bay 阅读全文
posted @ 2022-02-13 22:29 筷点雪糕侠 阅读(50) 评论(0) 推荐(0) 编辑
摘要: 1.期望 \(离散型:\mathbb{E}[f]=\sum\limits_x p(x)f(x)\) \(连续型:\mathbb{E}[f]=\sum\limits_x p(x)f(x)dx\) 如果我们给定有限数量的N个点,这些点满⾜某个概率分布或者概率密度函数,那么期望可以通过求和的⽅式估计 \( 阅读全文
posted @ 2022-02-13 21:26 筷点雪糕侠 阅读(41) 评论(0) 推荐(0) 编辑
摘要: 1.概率密度函数 - pdf (probability density function) \(如果 ⼀ 个 实 值 变 量x的 概 率落在区间(x, x + δx)的概率由p(x)δx给出(δx → 0),那么p(x)叫做x的概率密度\)(probabilitydensity)。\(图1.12说明 阅读全文
posted @ 2022-02-13 21:04 筷点雪糕侠 阅读(314) 评论(0) 推荐(0) 编辑
上一页 1 ··· 5 6 7 8 9 10 11 12 13 下一页