<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Fighting_22的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Fighting_22</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Fighting_22]]></copyright><item><title><![CDATA[跟着李沐学Pytorch--序列模型（一）]]></title><link>https://blog.youkuaiyun.com/Fighting_22/article/details/123317073</link><guid>https://blog.youkuaiyun.com/Fighting_22/article/details/123317073</guid><author>Fighting_22</author><pubDate>Sun, 06 Mar 2022 21:38:10 +0800</pubDate><description><![CDATA[一、序列数据


二、统计工具
在时间t观察到xt，那么得到T个不独立的随机变量（x1 ~ xT）~ P(x)
（前后不受到影响，互相独立）
使用条件概率展开  p(a,b)=p(a)p(b|a)=p(b)p(a|b)
三、序列模型
正向：先得到X1，再推x2，x2是依赖于x1，同理，x3依赖于之前的x1,x2.
反向：（已知未来推过去）先得到xT,再反过来推。在物理层面上是不可行的，因为很多的理论是基于之前的理论。
四、自回归模型
自回归模型：给过去的数据，预测下一个数据
对条件概率建模

预测xt，对之]]></description><category></category></item></channel></rss>