LDA只是一个求解思路。 1.理解LDA首先要理解EM算法，EM不能叫做一个算法，只是一个思想：它要求解的其实是一个极大似然估计，就是我用已知量去求解导致这个已知量出现的最大概率，而在这里又恰恰有点偏，这个已知量是我们开始给定的这个初值，我们要去用这个已知量去求解最大，然后再用这个最大值再带入到我们 ...
分类：
其他好文 时间：
2018-05-24 23:06:07
阅读次数：
226
整理自： https://blog.csdn.net/woaidapaopao/article/details/77806273?locationnum=9&fps=1 EM算法是用于含有隐变量模型的极大似然估计或者极大后验估计，有两步组成：E步，求期望（expectation）；M步，求极大（ma ...
分类：
其他好文 时间：
2018-05-09 22:42:59
阅读次数：
189
极大似然估计-形象解释看这篇文章：https://www.zhihu.com/question/24124998 贝叶斯定理-形象解释看这篇文章：https://www.zhihu.com/question/19725590/answer/217025594 极大似然估计 以前多次接触过极大似然估计 ...
分类：
其他好文 时间：
2018-04-18 11:43:36
阅读次数：
225
我昨天晚上买了一罐八宝粥在里面找了半天桂圆一般一罐八宝粥是有一颗桂圆的我们现在可以通过数这一罐八宝粥中的各种原料的颗数来推测厂家在生产的时候的原料的配比这里的理论依据是就是极大似然估计似然是像这个样子的意思极大似然估计，通俗理解来说，就是利用已知的样本结果信息，反推最具有可能（最大概率）导致这些样本结果（我手中的八宝粥）出现的模型参数值（厂家原料配比）！换句话说，极大似然估计提供了一种给定观察数据
分类：
其他好文 时间：
2018-04-16 11:08:14
阅读次数：
188
《统计学习方法》李航 读书笔记 习题 1.1 伯努利模型下的极大似然估计与贝叶斯估计。 答： 伯努利模型：总体信息、样本信息 $$ P(A|\theta) = \sum_{i=1}^{N}\frac{I(O_i = 1)}{N} \quad ^{[1]} $$ 贝叶斯估计：总体信息、样本信息、先验信 ...
分类：
其他好文 时间：
2018-04-08 10:50:34
阅读次数：
448
EM算法 极大似然估计（MLE） 最大后验概率（MAP） https://blog.csdn.net/shenxiaoming77/article/details/51643845 https://blog.csdn.net/zk_j1994/article/details/53997787 htt ...
分类：
其他好文 时间：
2018-03-23 21:15:01
阅读次数：
189
1 朴素贝叶斯法的学习与分类1.1 基本原理2 参数估计2.1 极大似然估计2.2 算法2.3 贝叶斯估计 1 朴素贝叶斯法的学习与分类 Naive Bayes是基于贝叶斯定理和特征条件独立的假设的分类方法。对于给定的训练数据，首先基于特征条件独立学习输入和输出的联合概率分布，然后基于此模型，对给定 ...
分类：
其他好文 时间：
2018-03-02 22:12:08
阅读次数：
186
贝叶斯分类器是一个相当宽泛的定义，它背后的数学理论根基是相当出名的贝叶斯决策论。 贝叶斯学派 贝叶斯决策论是在概率框架下进行决策的基本方法之一，更是统计模式识别的主要方法之一。 贝叶斯学派与频率学派 贝叶斯决策论 参数估计 极大似然估计 极大后验概率估计 ...
分类：
其他好文 时间：
2018-02-11 00:10:07
阅读次数：
155
极大似然估计是概率论中一个很常用的估计方法，在机器学习中的逻辑回归中就是基于它计算的损失函数，因此还是很有必要复习一下它的相关概念的。 背景 先来看看几个小例子： 猎人师傅和徒弟一同去打猎，遇到一只兔子，师傅和徒弟同时放枪，兔子被击中一枪，那么是师傅打中的，还是徒弟打中的？ 一个袋子中总共有黑白两种 ...
分类：
其他好文 时间：
2018-02-05 20:07:23
阅读次数：
213
参数估计：最大似然、贝叶斯与最大后验 为什么会有参数估计呢？这要源于我们对所研究问题的简化和假设。我们在看待一个问题的时候，经常会使用一些我们所熟知的经典的模型去简化问题，就像我们看一个房子，我们想到是不是可以把它看成是方形一样。如果我们已经知道这个房子是三间平房，那么大体上我们就可以用长方体去描述 ...
分类：
其他好文 时间：
2018-01-16 00:49:56
阅读次数：
164
