Dirichlet Distribution(狄利克雷分布)与Dirichlet Process(狄利克雷过程)

Dirichlet过程是一个随机过程,在非参数贝叶斯模型中有广泛运用,最常见的应用是Dirichlet过程混合模型

小木 50839 2017/11/14 15:06:41 Dirichlet分布/Dirichlet过程/无限混合模型/混合模型/贝叶斯模型
Generative Adversarial Networks 生成对抗网络的简单理解

这几年在机器学习领域最亮最火最耀眼的新思想就是生成对抗网络了。这一思想不光催生了很多篇理论论文,也带来了层出不穷的实际应用。Yann LeCun 本人也曾毫不吝啬地称赞过:这是这几年最棒的想法!

somTian 15168 2017/03/08 09:12:02 GAN/深度学习/生成对抗网络
贝塔分布(Beta Distribution)简介及其应用

贝塔分布(Beta Distribution)是一个连续的概率分布,它只有两个参数。它最重要的应用是为某项实验的成功概率建模。在本篇博客中,我们使用Beta分布作为描述。

小木 8290 2017/11/08 11:16:18 BetaDistribution/Beta分布/推断/统计
机器学习中的高斯过程

关于高斯过程,其实网上已经有很多中文博客的介绍了。但是很多中文博客排版实在是太难看了,而且很多内容介绍也不太全面,搞得有点云里雾里的。因此,我想自己发表一个相关的内容,大多数内容来自于英文维基百科和几篇文章。

小木 6038 2016-04-07 08:14:01 机器学习/统计/非参数模型/高斯过程
多元高斯分布(多元正态分布)简介

高斯分布是一种非常常见的分布,对于一元高斯分布我们比较熟悉,对于高斯分布的多元形式有很多人不太理解。这篇博客的材料主要来源Andrew Ng在斯坦福机器学习课的材料。

小木 5732 2017-01-28 23:02:43 正态分布/统计基础/高斯分布
使用R语言进行K-means聚类并分析结果

R语言进行数据分析非常简单方便,在这篇博客中,我们将描述如何使用R语言进行K-means聚类分析,并分析结果。

小木 5417 2017/05/04 21:01:00 K-means/R语言/聚类
回归模型中的交互项简介(Interactions in Regression)

在回归模型中加入交互项是一种非常常见的处理方式。它可以极大的拓展回归模型对变量之间的依赖的解释。本篇博客将简要介绍这个交互项。

小木 3771 2017/10/16 20:58:09 交互项/回归模型/正则项
正则项的理解之正则从哪里来

在机器学习或者深度学习中,正则项是我们经常遇到的概念。它对提高模型的准确性和泛化能力非常重要。本文详细描述了正则项的来源以及与其他概念的相关关系。

小木 3570 2017/11/06 17:02:19 人工智能/机器学习/正则化/正则项/深度学习
狄利克雷过程混合模型(Dirichlet Process Mixture Model, DPMM)

狄利克雷过程混合模型(Dirichlet Process Mixture Model, DPMM)是一种非参数贝叶斯模型,它可以理解为一种聚类方法,但是不需要指定类别数量,它可以从数据中推断簇的数量。这篇博客将描述该模型及其求解过程。

小木 3206 2016-08-19 18:04:56 dirichletprocessmixturemodel/dpmm/混合模型/非参数贝叶斯
keras解决多标签分类问题

multi-class classification problem和 multi-label classification problem在keras上的实现

somTian 3143 2018/03/19 17:24:53 keras/multi-label
推荐系统之概率矩阵分解的详细推导过程(Probabilistic Matrix Factorization,PMF)

本篇博客详细说明了概率矩阵分解(Probabilistic Matrix Factorization,PMF)的推导过程

小木 3113 2017/11/04 09:36:06 PMF/推荐/概率矩阵分解/矩阵分解