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
在实际开发中，模型往往被划分为视图模型和业务模型两部分，视图模型靠近视图，业务模型靠近业务，但是在具体编码上，它们之间并不是隔离的。 6.1 视图模型和业务模型 模型大多数时候都是用来传递数据的。然而即使在传递数据这一点上，也可以看出，视图需要的模型更加灵活一点，因为视图变化性更大，而处理业务的模型 ...
分类：
Web程序 时间：
2019-05-03 22:23:30
阅读次数：
190
Model-View-Presenter（MVP），即模型-视图-表示层，架构被广泛应用于Android应用程序，通过引入表示层将视图与表示逻辑和模型分离。Model-View-ViewModel（MVVM），即模型-视图-视图模型，与MVP非常相似，视图模型充当增强的表示层，使用数据绑定器保持视图模型和视图同步。通过将视图绑定到视图模型属性上，数据绑定程序可以处理视图更新而无需手动更改数据来设置
分类：
其他好文 时间：
2019-04-22 22:46:44
阅读次数：
167
简介： PGMRL: PGMRL就是把RL问题建模成一个概率图模型，如下图所示： 然后通过variational inference的方法进行学习： PGMRL给RL问题的表示给了一个范例，对解决很多RL新问题提供了一种思路和工具。 Bayesian RL: 思考：为什么PGMRL推导过程中没有Be ...
分类：
其他好文 时间：
2019-04-04 14:32:50
阅读次数：
145
```cpp / 最大权闭合子图模型 枚举根， 然后选择包含根的连通块 那么就是选择儿子必须选择它的父亲 依赖关系就能够建立了 可以在这里提交 https://vijos.org/d/fastle/p/1011 / include include include include include de ...
分类：
其他好文 时间：
2019-04-01 22:35:19
阅读次数：
192
二分图简介 二分图是一种图论模型，其特点在于可以将图内的点分进两个集合，而每个集合内部的点没有直接关联，常用的二分图模型有二分图匹配 二分图最大匹配 1. 几种实现方法 1. 匈牙利算法 2.最大流算法（此处是ISAP） 2. 简单应用 1. 朴素的匹配问题 这一类问题的就是将一个实际问题转化为用一 ...
分类：
其他好文 时间：
2019-03-20 19:13:56
阅读次数：
152
theta是个未知的常量，X是随机变量， MLE最大似然估计 MAE最大后验概率 统计机器学习，优化问题 1）建立模型、概率 2）定义损失函数 3）梯度下降/牛顿法求解 概率图模型 求积分（用蒙特卡洛方法取样） ...
分类：
其他好文 时间：
2019-01-15 16:59:51
阅读次数：
314
数据库 IO类 统计类 描述性统计 回归（包括统计和机器学习） 假设检验 时间序列 生存分析 机器学习类 分类器 LDA、QDA SVM(支持向量机) 基于临近 贝叶斯 决策树 Assemble方法 聚类 关联规则 神经网络 概率图模型 文本、NLP 基本操作 主题模型 与其他分析/可视化/挖掘/报 ...
分类：
编程语言 时间：
2019-01-03 22:37:25
阅读次数：
522
本文是根据网上资料总结出来的文章 布局模型 在网页中，元素有三种布局模型： 1、流动模型（Flow） 默认的 2、浮动模型 (Float) 3、层模型（Layer） 流动模型（Flow） 流动（Flow）模型是默认的网页布局模式。也就是说网页在默认状态下的 HTML 网页元素都是根据流动模型来分布网 ...
分类：
Web程序 时间：
2018-12-30 22:46:50
阅读次数：
247
即排除当前词的主题分配，根据其他词的主题分配和观察到的单词来计算当前词主题的概率公式 里面用到了伽马函数的性质 当Gibbs sampling 收敛后，我们需要根据最后文档集中所有单词的主题分配来计算和，作为我们估计出来的概率图模型中的隐含变量。每个文档上Topic的后验分布和每个Topic下的te ...
分类：
其他好文 时间：
2018-12-18 17:17:17
阅读次数：
240
