摘要：
如何解决，直接下载： http://go.microsoft.com/fwlink/?LinkId=691126&fixForIE=.exe. 阅读全文
posted @ 2022-03-20 21:36
bH1pJ
阅读(20)
评论(0)
推荐(0)
摘要：
通过采样的形式为，完成对模型参数θ的估计 阅读全文
posted @ 2022-03-20 21:36
bH1pJ
阅读(11)
评论(0)
推荐(0)
摘要：
1、确定这个后验概率分布有什么用？ 在使用贝叶斯模型进行推断的时候，我们是基于已有样本X（下边的公式中用D表示了，意义都一样），和新样本x*，给出该样本的类别估计（比如给出x*属于垃圾邮件的概率，等等）。那么这个类别估计等于什么呢？如下述公式所示：要考虑所有的... 阅读全文
posted @ 2022-03-20 21:36
bH1pJ
阅读(144)
评论(0)
推荐(0)
摘要：
贝叶斯模型：Bayesian Model; 贝叶斯推断：Bayesian inference; 根据样本X，近似的计算 p(θ|X）就是贝叶斯推断； 贝叶斯估计：Bayesian estimation; 三者有什么区别？ 坑 西瓜书164页，还提到了... 阅读全文
posted @ 2022-03-20 21:36
bH1pJ
阅读(215)
评论(0)
推荐(0)
摘要：
https://setosa.io/ev/markov-chains/ 可以通过调节样本的参数，理解模型在干些什么 阅读全文
posted @ 2022-03-20 21:36
bH1pJ
阅读(51)
评论(0)
推荐(0)
摘要：
坑 正交意味着完全的不相关。 相关性刻画的是两个随机变量是否存在线性关系。 独立刻画的是两个变量之间是否存在联系。 X和Y不相关，意味着两者不存在线性关系，但是不能保证也没有非线性的关系。 而 X和Y相互独立，意味着两者不仅没有线性关系，其他的关系也没有... 阅读全文
posted @ 2022-03-20 21:36
bH1pJ
阅读(104)
评论(0)
推荐(0)
摘要：
https://www.quora.com/What-is-the-difference-between-PCA-and-ICA PCA，朝着最大方差的方向寻找基向量； ICA，朝着最大独立性的方向寻找基向量； 阅读全文
posted @ 2022-03-20 21:36
bH1pJ
阅读(75)
评论(0)
推荐(0)
摘要：
kurtosis该如何理解？ 峰度可以用来刻画随机变量的非高斯性； https://blog.csdn.net/qq_36523839/article/details/88671873 https://stats.stackexchange.com/q... 阅读全文
posted @ 2022-03-20 21:36
bH1pJ
阅读(82)
评论(0)
推荐(0)
摘要：
how to generate data based on known covariance matrix https://stats.stackexchange.com/questions/120179/generating-data-with-a-g... 阅读全文
posted @ 2022-03-20 21:36
bH1pJ
阅读(25)
评论(0)
推荐(0)
摘要：
我们知道PCA降维的目标函数是尽可能地保留原始样本X中的方差信息。 所以降维后样本的协方差矩阵其对角线上元素尽可能得大我是理解，并认可的。 但为什么非对角线元素均为零呢？ 降维之后的样本，各个维度之间的相关性完全被切除了。 以下是实验code 降维前 ... 阅读全文
posted @ 2022-03-20 21:36
bH1pJ
阅读(58)
评论(0)
推荐(0)
浙公网安备 33010602011771号