- 博客(3)
- 收藏
- 关注
RSS订阅原创 高斯过程回归（Gaussian Process Regression, GPR）的理解1——权重空间角度
核心预备知识能够区分频率学派和贝叶斯学派求解模型时的思想区别。熟悉最基础的概率运算公式（本科内容）。熟悉线性代数以及微积分的运算（本科内容）。熟悉贝叶斯公式，并能理解后验以及先验所代表的物理含义。了解核方法，核技巧的定义。熟悉多维高斯分布的运算规则。1.基于贝叶斯线性回归推导GPR1 贝叶斯线性回归的基本模型在理解GPR之前，我们先了解一个算法，叫做贝叶斯线性回归（Bayesian Linear Regression， BLR）。本质上，GPR就是将BLR进行了非线性化处理后得到的。因
2021-03-25 15:26:48
4197
2
原创 基于近似生成模型的稀疏高斯过程简析
1. 基于近似生成模型的系数高斯过程模型构建文献[1]对不同的稀疏高斯过程的建模方法进行了概述与总结。这里就借助这篇文献简单描述一下其中的一种方法。基于近似生成模型的方法：首先简单介绍一下高斯过程。**...
2021-03-23 19:28:05
1908
1
原创 似然函数理解小记
以下是个人理解，仅供参考。似然函数是什么“似然”这两个字从中文看起来很难有个直观的理解。那么，在许多英文文章中被称作“likelihood”，这个单词直观的翻译过来是“（看起来）好像是”，这么一说可能就清楚一些，我们可以把似然这个词理解成好像是，可能是，那么我们就能够模糊的知道，似然函数是通过一种可能性最大化的思想来反推一些参数的。它其实是在我们已经知道结果的前提（条件）下，对某种参数进行反推...
2019-03-21 17:02:39
474
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人