隐变量(Hidden Variables)

机器学习中的隐变量和隐变量模型 开篇 这篇博客算我自己给自己挖的一个坑,主要想讲讲机器学习中的隐变量,今天在推导EM算法,李航在统计学习方法中的EM引入中提到了隐变量的概念(latent variable),他提到了如果我们的概率模型的变量都是观测到的变量,那么给定数据,我们就可以使用极大似然估计法,或者其他估计法去估计参数,但是当模型有隐变量的时候,就该我们的EM算法闪亮登场了。这边我先介绍一下什么是隐变量。后续关于隐变量模... 阅读详情

    在软件开发的过程中的确存在另外的变量,但是他们并不是隐变量的,我们只是忽略了它们,这些被称为"人"的变量很多人都有可能成为,它具有不可预知性除非你在寻找一种方法论来排除他们。应用方法论的目的是什么呢?我认为就是得到一个可以忽略掉任何相关的独立因素而仍然可用的公式。管理者最大的心愿就是程序员可以被看作是可以互换通用的部分,因为否则的话公司看来对于一个工程的成功与否就完全有偶然性来支配了。


    我认为这个问题或者很多有关于计算的细节就是确定性的思想。它看起来似乎就是逻辑推理,毕竟我们研究的是的是一个 YES或者 No的二元领域。但是在工作中似乎存在着一些不确定原理。当系统变得更大更复杂的时候我就走出了 Yes和No 的领域,而进入了存在可能性的世界。


    但是希望似乎就在哪里,我们却依然不能得到:应该存在一个神奇的公式,它将让我们确定性的控制工程的结果。而在我们寻找一个确定性答案的时候,我们不能考虑到没有的可能性或者至少这不是最多产的方式。而且我们当然不能承认通向成功的路可能主要的在于人类的相互作用,或者成功的项目正如它们喜欢的是通过雇佣可能存在的最好的组的可能性堆积而成的,这里的"最好"的意义随着多的无法控制的变量而变化,因此在不同的环境里有不同的答案。


    我认为最难承认的事情是,软件的发展是和装配线路完全相反,但是却远非写小说或者演话剧甚至是画画之类的艺术创作。似乎我们完全忽略了行为的重要细节。谚语曰:"画画就是把颜料涂在表面。所以我可以像莫奈特用他的画画工具把颜料涂到一个表面一样用喷漆枪在谷仓上达到一样的效果 ."。而且毕竟我们只是在操作比特,所以这似乎就是推出一个逻辑的结论,除了它好像会不好用。


    在我们坚持确定论思想的时候,我们对可能存在的更好的方法熟视无睹。依然很难放开这种思想反问一下:如果没有可能控制所有的事物怎么办?我们究竟如何依靠我们的喜好来推动事物并且在那些约束范围之内工作?

 

Trackback: http://tb.blog.youkuaiyun.com/TrackBack.aspx?PostId=1437152


计算机考研复试面试常问问题 数据结构篇(下) 计算机考研复试面试常问问题 数据结构篇(下) 使用前需知(拒绝白嫖,如果对你有帮助,你只需点个赞就行): 注意:有人在闲鱼上盗卖我的资料,而且还有很多同学买了,请各位擦亮双眼,我是整理出来免费分享给大家的! 大家请多点赞和评论,这样后面的同学更容易百度到,不至于被人盗卖,我就不加水印影响大家使用了! 第一次整理,度不好控制,有不好的地方希望大家理解,后面可能会改进,造福今年之后的同学们! ... 阅读详情

相关推荐

Unity游戏开发客户端Unity基础

Unity游戏开发客户端面经 之 Unity 篇

Sea3752的博客 2万+

机器学习中的隐变量/潜变量和隐藏空间/潜在空间

机器学习中的隐变量/潜变量和隐藏空间/潜在空间

嗨 2万+

别再只看成交量了!用通达信这个VOL监测公式,一眼识别主力吸筹与出货信号

本文详细介绍了通达信VOL监测公式的实战应用,通过彩色量柱和换手率分层技术,帮助投资者识别主力吸筹与出货信号。该公式结合动态量能标准化和多周期均线组合,提供可视化主力行为图谱,提升交易决策的准确性。

weixin_28693447的博客 667

【机器学习前置知识】隐变量

【机器学习前置知识】隐变量

Axlsss的博客 1933

从高德、百度地图下载POI数据?用这个工具5分钟搞定GCJ02/BD09到WGS84的坐标纠偏

本文详细解析了高德、百度地图POI数据坐标偏移问题,并提供了从GCJ02/BD09到WGS84的高效转换方案。通过开源工具如coordtransform和ArcGIS等专业软件,实现毫米级精度的坐标纠偏,适用于商业选址、GIS分析等场景,显著提升数据准确性和工作效率。

weixin_26789847的博客 450

Seurat 单细胞转录组测序数据分析教程(三)——python(scanpy)

文章参考至,做了一个更详细的解读。本教程探讨了 scanpy 的可视化可能性,分为三个部分:嵌入的散点图(例如 UMAP、t-SNE)使用已知标记基因鉴定簇差异表达基因的可视化在本教程中,我们将使用来自 10x 的数据集,其中包含来自PBMC的 68k 个细胞。Scanpy 在其分布中包括该数据集的简化样本,该数据集仅包含 700 个细胞和 765 个高度可变的基因。该数据集已经过预处理和 UMAP 计算。在本教程中,我们还将使用以下文献标记:B细胞:CD79A、MS4A1。

coffeeii的博客 5832

【隐变量(潜在变量)模型】硬核介绍

上一节我们介绍了贝叶斯推断的几种方法,本文介绍了贝叶斯推断的目的以及当无法使用贝叶斯推断时如何推断似然函数的方法。

Young_JJay 3626

Calibre LVS效率翻倍秘籍:用Hierarchical Flow处理亿级晶体管设计的5个关键阶段

本文详细解析了如何利用Hierarchical Flow技术提升Calibre LVS在亿级晶体管SoC设计中的验证效率。通过五个关键阶段的分层验证流程,包括顶层抽象验证、模块级独立验证等,可显著降低内存占用40-60%,缩短迭代周期50-70%,特别适用于SMIC等先进工艺节点。文章还分享了算力资源优化、并行化处理等实战技巧,帮助工程师应对大规模芯片验证挑战。

sam99的博客 770
上一篇: When Reuse Goes Bad
下一篇: Thinking In系列大师Bruce Eckel博客中文版入驻优快云
techweb
博客等级 码龄19年 226粉丝 3842原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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