<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[de5926的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/de5926</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; de5926]]></copyright><item><title><![CDATA[2.2 Multinomial variables多项变量的分布_PRML模式识别与机器学习读书笔记]]></title><link>https://blog.youkuaiyun.com/de5926/article/details/101452682</link><guid>https://blog.youkuaiyun.com/de5926/article/details/101452682</guid><author>de5926</author><pubDate>Tue, 18 Feb 2014 10:22:00 +0800</pubDate><description><![CDATA[2.2 Multinomial variables多项变量的分布 
考虑多项变量即K个互斥变量(可能取值)，使用1-of-K方式表示为K维向量x，其中某个向量xk=1，且其他向量=0。例如某个变量发生，对应向量为x3，则x3=1 ：

xk=1发生的概率为μk，那么x的分布为：

这里，且，该分布可以看作是Bernoull...]]></description><category></category></item><item><title><![CDATA[2.1 Binary variables 二元变量分布_PRML模式识别与机器学习读书笔记]]></title><link>https://blog.youkuaiyun.com/de5926/article/details/101452674</link><guid>https://blog.youkuaiyun.com/de5926/article/details/101452674</guid><author>de5926</author><pubDate>Sat, 15 Feb 2014 09:49:00 +0800</pubDate><description><![CDATA[Bernouli 分布 
单变量x ∈{0, 1} ,x的概率由参数 μ，表示：


 


 
 统一格式，有：


 
Bernouli 分布，期望与方差：


 
对于x的观察数据集 ，似然函数是 μ 的函数，假定 xi 之间独立，有：


 
从频率论角度，我们可以用最大化似然函数的方法(等价于最大化ln函数)来评估 μ 值，似然函数的自然...]]></description><category></category></item><item><title><![CDATA[1.1 Example:Polynomial Curve Fitting 多项式曲线拟合_PRML模式识别与机器学习读书笔记...]]></title><link>https://blog.youkuaiyun.com/de5926/article/details/101452676</link><guid>https://blog.youkuaiyun.com/de5926/article/details/101452676</guid><author>de5926</author><pubDate>Thu, 19 Dec 2013 23:22:00 +0800</pubDate><description><![CDATA[　　从一个回归问题开始：给定一个real-valued input variable \(x\),通过这个observation预测a real-valued target variable \(t\) 。
　　本节将讨论一个简单的曲线拟合例子，这个例子将贯穿整章用于梳理一些重要的机器学习概念。
　　training set:
　　　　\(N\)个obeservations: 　　...]]></description><category></category></item><item><title><![CDATA[1 Introduction_PRML模式识别与机器学习读书笔记]]></title><link>https://blog.youkuaiyun.com/de5926/article/details/101452672</link><guid>https://blog.youkuaiyun.com/de5926/article/details/101452672</guid><author>de5926</author><pubDate>Wed, 18 Dec 2013 22:07:00 +0800</pubDate><description><![CDATA[以手写数字自动识别为例，每个手写数字用\(28*28\) 像素图像显示，这样每个样本可以用一个维数为794的向量\(x\)表示。那么将问题转换为建立一套识别机制，通过输入\(x\) ，识别出数字的真实值，并且输出该值，值的范围是 \(0\ldots9\) 。
这是个典型的分类问题，自然的想法是通过一些人工的规则和基于形状的辨别方法，但是由于手写体的变化太多，这种固定的处理模式在现实中效...]]></description><category></category></item></channel></rss>