摘要： 参考： 从最大似然到EM算法浅解 （EM算法）The EM Algorithm EM算法的九层境界：Hinton和Jordan理解的EM算法 在EM算法的证明中，其实比较好理解，总结如下： 从最大似然估计出发 > 将隐变量暴露出来，写出累加/积分的 形式 > 引入Q(z),表示隐变量z的概率密度函数 阅读全文

摘要： 最近的机器学习这一块一直卡在概率机器学习上，尤其是CRF上，有点浮，先将学习到的好好总结一下。 一、EM算法的基础和贝叶斯基础 1）EM算法的基本原理和推导 2）EM算法的基本应用，k-means和高斯混合模型 二、隐马可夫和条件随机场 1）隐马（HMM）的基于原理和对应的三个问题及其解法 2）最大 阅读全文

摘要： 一、用LSTM单层的网络来做分类的问题 用lstm对mnist的数据集进行分类 1 #!/usr/bin/python 2 # -*- coding: UTF-8 -*- 3 import tensorflow as tf 4 from tensorflow.examples.tutorials.m 阅读全文