一、核心思想：由部分估计整体 二、具体分析 （1）先举一个最简单的例子，如下： 转换成更专业一点的就是：现在有一个样本分布为A，我们从这个样本分布中获得了一部分样本a，极大似然就是要利用这部分a来估计A的分布； 做法就是对A构建模型，模型参数为Q，然后再构建极大似然函数表示在何种模型参数Q下可以最大 ...
分类：
其他好文 时间：
2019-10-28 13:00:03
阅读次数：
80
[TOC]更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.cnblogs.com/nickchen121/# 极大似然估计# 一、最大似然原理$，已经习惯这么写了，可是为什么这么写？为什么X在前，为什么 $\theta$ 在后，分别代表了什么？这些更深一层的逻辑和理由不是特别清晰，故此梳理一下频率派与贝叶斯派的区别。 2. 本 ...
分类：
其他好文 时间：
2019-10-12 20:38:38
阅读次数：
128
1、什么是逻辑回归； 2、逻辑回归的流程及推导； 3、逻辑回归的多分类 4、逻辑回归VS线性回归 5、逻辑回归 VS SVM 1、什么使逻辑回归； 名为回归，实际是分类，通过计算$P(y=0|x;\theta )$的大小来预测分类类别，预测的是类别0，1，而不是概率，但计算的是概率；$0\leq P ...
分类：
其他好文 时间：
2019-09-01 14:52:04
阅读次数：
76
EM算法理解 来源：[知乎：Evan]（https://www.zhihu.com/question/27976634/answer/252238739） 1. EM算法产生的原因 EM算法是为了解决《最大似然估计》中更复杂的情形而存在的。 这里“极大似然估计中更复杂的情形”是什么情形呢？ 我们知道 ...
分类：
编程语言 时间：
2019-08-22 01:01:44
阅读次数：
102
【1】极大似然估计详解，写的太好了！https://blog.csdn.net/qq_39355550/article/details/81809467 ...
分类：
其他好文 时间：
2019-07-19 20:50:59
阅读次数：
81
贝叶斯决策 贝叶斯公式（后验概率）： p(w)：每种类别分布的概率——先验概率； p(x|w)：某类别下x事件发生的概率——条件概率； p(w|x)：x事件已经发生，属于某类的概率——后验概率； 后验概率越大，说明x事件属于这个类的概率越大，就越有理由把事件x归到这个类下 后验概率越大，说明x事件属 ...
分类：
其他好文 时间：
2019-07-01 15:53:41
阅读次数：
127
这篇博客整理K均值聚类的内容，包括： 1、K均值聚类的原理； 2、初始类中心的选择和类别数K的确定； 3、K均值聚类和EM算法、高斯混合模型的关系。 一、K均值聚类的原理 K均值聚类（K-means）是一种基于中心的聚类算法，通过迭代，将样本分到K个类中，使得每个样本与其所属类的中心或均值的距离之和 ...
分类：
编程语言 时间：
2019-05-13 14:14:06
阅读次数：
763
一、EM算法概述 EM算法（Expectation Maximization Algorithm，期望极大算法）是一种迭代算法，用于求解含有隐变量的概率模型参数的极大似然估计（MLE）或极大后验概率估计（MAP）。EM算法是一种比较通用的参数估计算法，被广泛用于朴素贝叶斯、GMM（高斯混合模型）、K ...
分类：
编程语言 时间：
2019-05-12 00:55:20
阅读次数：
208
