摘要:
一定要用好note jupyter 优势: 1、这个笔记要分析什么?可以直接写到jupyter中;有记笔记的优势; 2、跑出来的结果可以保存在笔记中,兼容了PPT的功能; 3、笔记可以用来分享; 局限性: 1、jupyter令人不满意的地方是:它无法在线de... 阅读全文
摘要:
坑 ICA,是投影后样本的 各个维度之间的独立性最大; PCA,是投影后,样本的各个维度上的方差最大; SVD的地位和特征值分解是一样的。属于矩阵分解的一种。可以用来找协方差矩阵的特征向量(说白了就是求解PCA的投影矩阵)。 阅读全文
摘要:
\vec{x} 阅读全文
摘要:
坑 好像都是正交的, 所以PCA降维属于正交分解。 如果采用非正交的基,就是ICA降维了。 阅读全文
摘要:
如何解决,直接下载: http://go.microsoft.com/fwlink/?LinkId=691126&fixForIE=.exe. 阅读全文
摘要:
通过采样的形式为,完成对模型参数θ的估计 阅读全文
摘要:
1、确定这个后验概率分布有什么用? 在使用贝叶斯模型进行推断的时候,我们是基于已有样本X(下边的公式中用D表示了,意义都一样),和新样本x*,给出该样本的类别估计(比如给出x*属于垃圾邮件的概率,等等)。那么这个类别估计等于什么呢?如下述公式所示:要考虑所有的... 阅读全文
摘要:
贝叶斯模型:Bayesian Model; 贝叶斯推断:Bayesian inference; 根据样本X,近似的计算 p(θ|X)就是贝叶斯推断; 贝叶斯估计:Bayesian estimation; 三者有什么区别? 坑 西瓜书164页,还提到了... 阅读全文
摘要:
https://en.wikipedia.org/wiki/Bayesian_inference 阅读全文
摘要:
坑 西瓜书第149页中间是这么描述的: 1、频率学派认为模型参数虽然未知,但却是客观存在的固定值,因此可以通过优化似然函数等方法确定参数值; 2、贝叶斯学派则认为,参数是未观察到的随机变量,其本身也具有分布。因此可以假设参数服从一个先验分布,然后基于观测到的... 阅读全文