YEY Blog

Life is a long long journey.

统计机器学习 19：降维

墨尔本大学 COMP90051 课程笔记

Lecture 19 降维主要内容主成成分分析（PCA）线性降维方法对角化协方差矩阵核化 PCA 1. 关于降维 1.1 数据的真实维度？ 1.2 降维之前我们介绍了无监督学习中的一类常见任务：聚类降维是指使用较少数量的变量（维度）来表示数据，同时保留数据中我们 “感兴趣的” 结构通过降维...

Posted by YEY on November 24, 2019

统计机器学习 18：高斯混合模型和 EM 算法

墨尔本大学 COMP90051 课程笔记

Lecture 18 高斯混合模型和 EM 算法主要内容无监督学习问题的多样性高斯混合模型（GMM）一种用于聚类的概率方法 GMM 模型 GMM 聚类作为一个优化问题期望最大化（EM）算法 1. 无监督学习机器学习中的一个大的分支，关注在标签缺失的数据上学习其结...

Posted by YEY on November 23, 2019

统计机器学习 17：PGM 的概率推断和统计推断

墨尔本大学 COMP90051 课程笔记

Lecture 17 PGM 的概率推断和统计推断主要内容 PGM 的概率推断 PGM 的统计推断 1. PGM 的概率推断利用贝叶斯规则和边缘化，根据一个 PGM 的联合分布，计算边缘和条件分布。这里我们将学习如何有效地做到这一点。 1.1 两个熟悉的例子朴素贝叶斯（频率学家 / 贝叶斯人）根...

Posted by YEY on November 22, 2019

统计机器学习 16：概率图模型

墨尔本大学 COMP90051 课程笔记

Lecture 16 概率图模型主要内容联合分布的表示条件 / 边缘独立有向 vs 无向 1. 概率图模型图论与概率论的结合，贝叶斯统计学习的首选工具。我们将从简单的离散情况出发，再延伸到连续情况。 1.1 实际意义驱动很多应用进化树谱分析、关联分析错误控制代码语音识别文档主题模型概率...

Posted by YEY on November 21, 2019

统计机器学习 15：贝叶斯分类

墨尔本大学 COMP90051 课程笔记

Lecture 15 贝叶斯分类主要内容离散设定下的贝叶斯思想 Beta-Binomial 共轭贝叶斯分类非共轭的渐进必要性 1. 离散设定下的贝叶斯思想 1.1 如何将贝叶斯观点应用于离散数据？优先考虑生成输入的生成式模型对比判别式模型...

Posted by YEY on November 20, 2019