机器学习第十六课part2(前向算法,后向算法)

本文介绍了一种模型,该模型包含两种硬币状态:公平状态(F)与不公平状态(B)。其中详细解释了如何通过观测概率分布(Bf(H))来表示在公平状态下抛出正面的概率等关键概念。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >




这个例子中F,B分别代表两种状态,一个是公平(fair)硬币状态,和不公平(bias)硬币状态,Bf(H)代表公平抛出头的观测概率(fair to head),以此类推,B为观测概率分布.O为观测序列.








评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值