标签: 机器学习
文章目录1.绪论1.1 多项式曲线拟合1.2 概率论1.2.1 概率密度1.2.2 期望和协方差1.2.3 贝叶斯概率1.2.4 高斯分布1.2.5 重新考察曲线拟合问题1.2.6 贝叶斯曲线拟合1.3 模型选择1.4 维度灾难1.5 决策论1.5.1 最小化错误...
模式识别与机器学习PRML 学习笔记
prml 学习笔记kalman filter : kalman filter : MIT tutorial Understanding the Basis of the Kalman Filter Via a Simple and Intuitive Derivation [Lecture Notes]
准备用一年的时间好好学习PRML,主要内容包括翻译,公式推导和习题解答。
Introduction 之前有次出去开会的时候,一个清华的博士师兄说这本书他读了好几遍,里面的题也都自己做了。想想,这本书在我手里三年多,却一直被拿起又放下,没能好好地读一读。这次,想重新开始,从头到尾把这本书...
Overview Chap 2: Distribution and non-parametric models Chap 3: Generalized Linear model ... Chap 2: Distribution and non-parametric models ... Chap 3: Generalized Linear model...
二项式分布,beta分布,多项式分布,狄利克雷分布
Pattern Recognition And Machine Learning(模式识别与机器学习)第三章 线性回归 学习笔记
Pattern Recognition And Machine Learning(模式识别与机器学习) 第一章 绪论 学习笔记
Pattern Recognition And Machine Learning(模式识别与机器学习)第二章 概率分布 学习笔记
似然函数
机器学习与模式识别总览
PRML学习笔记之Neural Nerwork(神经网络)
简介 在第二章中将专门研究各种概率分布以及其关键特性。在这里引入对于连续变量(continous variables)来说最重要的概率分布之一:正太分布(normal distribution)或者高斯分布(Gaussian distribution)。...
在本章前面的学习中,已经从随机的、可重复的事件出现的频率角度中观察了概率。这些被称为概率的经典或常规解释。这一篇的学习将转向普遍的贝叶斯观点,这里概率将不确定性进行了量化。 不确定事件 接下来列举几个不...
PRML研讨会 这是关于 PRML 书籍的研讨会项目。
转了半天又重新开始看PRML,特此发帖纪念下,有理解有偏差的地方望各路大神指点下~
简介 尽管包括了先验分布p(w∣α)p(w|\alpha)p(w∣α),但到目前为止仍在对www进行点估计,因此这还不等于贝叶斯的处理方式。 在完整贝叶斯的方法中... 这种边缘化(marginalizations)是贝叶斯模式识别方法的核心。 ...
PRML学习总结(3)——Linear Models for Regression3.1 Linear Basis Function Models1.2 Probability TheoryThe Rules of probabilityBayes' TheoremCurve fitting re-visited1.3 Model Selection1.4 The Curse of...
模式识别与机器学习PRML 中英皆有
prml的课件整合版,不是出自同一学校。 大部分章节的PPT是英文版,但由于英文版不全,所以有几个章节挑选了其他学校的中文版作为补充。 基本上能够跟prml的内容能够对应。