深度不学习Blog

摘要： 高斯混合模型的EM算法 混合高斯模型 高斯混合模型的概率分布可以写成多个高斯分布的线形叠加，即 $$ p(\mathbf x) = \sum_{k=1}^{K}\pi_k\mathcal N(\mathbf x\ | \ \mathbf \mu_k, \mathbf \Sigma_k) $$ 引入一 阅读全文

摘要： 多项式曲线拟合 本文参照PRML第一章与第三章，实作验证了多项式曲线拟合的例子 线性基函数模型 现在假设一个训练集，这个训练集由$\mathbf x$的$N$的观测组成，写作$\mathbf x = (x_1, \ldots, x_N)^\top$，与之对应的$\mathbf t$的观测值记作$\m 阅读全文

摘要： 绘制混合高斯模型 多维高斯分布 多维高斯分布的形式如下 $$ \label{eq:multi gaussion} \mathcal N (\mathbf x\ |\ \mathbf\mu, \mathbf\Sigma) = \frac{1}{ (2\pi)^{\frac{D}{2}}\det(\ma 阅读全文