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