白板机器学习推导系列（机器学习资料介绍）学习笔记（一）

最新推荐文章于 2023-07-29 14:09:01 发布
最新推荐文章于 2023-07-29 14:09:01 发布
阅读量252 收藏
点赞数
分类专栏： 机器学习 文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/xiekengli8279/article/details/110100512
版权

机器学习资料介绍

  • 频率派->统计机器学习
  • 贝叶斯派->概率图模型
  • Book：李航（统计学习方法）、周志华（西瓜书）、PRML、MLAPP、ESL、Deep Learning（圣经）
  • Videos：台大林轩田（机器学习基石、技法）、张志华（机器学习导论、统计机器学习）、NG（CS229）、徐亦达（概率模型，github-notes）、台大李宏毅（ML、MLDS）
机器学习-白板推导系列笔记（十六）-粒子滤波
scu-liu的博客
12-24 561
此文章主要是结合哔站shuhuai008大佬的白板推导视频：粒子滤波_98min 一、背景介绍 动态模型是在概率图模型中加入一个时间序列的标记，样本之间不再是独立同分布，而是有了依赖关系。动态模型其实质是一个混合模型，我们看到的样本序列是观测序列，每一个观测值，背后都对应一个隐变量，称隐变量为系统状态，所以动态模型也称状态空间模型。 动态模型有两个假设， 齐次马尔可夫假设，对于隐变量，给定ZtZ_tZt​的情况下，Zt+1Z_{t+1}Zt+1​和Zt−1Z_{t-1}Zt−1​无关。 观测独立假设，对
机器学习-白板推导系列笔记（三十一）-GAN
scu-liu的博客
01-09 519
此文章主要是结合哔站shuhuai008大佬的白板推导视频：生成对抗网络_54min 全部笔记的汇总贴：机器学习-白板推导系列笔记 对应花书20.4 一、例子 二、数学描述 三、全局最优解
机器学习-白板推导系列-前17讲笔记.pdf
08-23
Notes for machine learning algorithm prove and details
机器学习 [白板推导]
最新发布
weixin_53196770的博客
07-29 1136
开个文章补一下白版推导吧，现在回过头来看这些都还是挺有用的，不把数学底层逻辑理清总有一种学了又好像没学的感觉。
机器学习（白板推导学习）
jiangchao98的博客
03-06 419
感知机 参考： 什么是感知机？ 机器学习感知机 证明感知机原始形式的收敛性（略） 感知机的原始形式以及对偶形式的对比： 如何理解感知机学习算法的对偶形式？ SVM 凸函数 凹凸函数本质是描述函数斜率增加减少的。语义上的凸为正，代表斜率在增加（单调不减）。凹为负，代表斜率在减少（单调不增）。 凸函数的二阶导数为正。 凸优化（待学习） 凸优化笔记10：凸优化问题 KTT Karush-Kuhn-Tucker (KKT)条件 - 知乎 (zhihu.com) .......
机器学习-白板推导学习笔记-1绪论
gigglehuahua的博客
01-27 491
本篇文章是根据视频（ link.）所作的学习笔记，旨在对机器学习的相关知识更好的理解和巩固。本人基础较弱，推导中看不懂的公式可能会细究，如果有理解不当之处也欢迎指出。 频率派VS贝叶斯派 -频率派认为数据的分布是未知固定的，对应于统计机器学习的知识，主要实现对模型的优化（建立概率或非概率模型、设置模型的LOSS函数，求解损失函数优化模型）。 -贝叶斯派则认为数据的分布是未知不固定的，借助一定的先验知识去寻求符合数据最优的分布。通常建立概率图模型，涉及到积分问题的求解。 假设datadatadata为X=(x
机器学习-白板推导系列
cengjing12的博客
05-20 719
机器学习-白板推导系列 本系列主要是对B站up主shuhuai008的机器学习手推系列的整理，下面是视频与对应的github的链接： 视频地址: https://www.bilibili.com/video/BV1aE411o7qd/?spm_id_from=333.788.videocard.0 GitHub：https://github.com/shuhuai007/Machine-Learning-Session 本系列的标题 Introduction 线性回归 线性分类 降维 支撑向量机 指数族分
机器学习-白板推导系列笔记（汇总36/36）
scu-liu的博客
12-24 8068
这是一篇汇总贴 文章主要是结合哔站shuhuai008大佬的白板推导视频：大佬的B站主页 ⋮\vdots⋮ 白板推导系列笔记（十二）-VI 白板推导系列笔记（十三）-MCMC 白板推导系列笔记（十四）-HMM 边看边更… ...
机器学习-白板推导系列笔记（十一）-GMM
scu-liu的博客
12-24 664
此文章主要是结合哔站shuhuai008大佬的白板推导视频：GMM_95min 一、模型介绍 （一）几何角度 可以认为高斯混合模型是将多个高斯分布加权平均而成的模型： p(x)=∑k=1KαkN(μk,Σk),∑k=1Kαk=1p(x)=\sum_{k=1}^{K}\alpha _{k}N(\mu _{k},\Sigma _{k}),\sum_{k=1}^{K}\alpha _{k}=1p(x)=k=1∑K​αk​N(μk​,Σk​),k=1∑K​αk​=1 （二）混合模型（或者生成模型）角度 可以认为
机器学习-白板推导入门-概率图模型
CS_W98的博客
01-02 393
前言 博主刚开始入门机器学习时，总是没法把各个模型串在一起，这几个月断断续续看完B站的白板推导（1-23节）,然后觉得视频里模型关系的导图还挺清晰的，于是记录一下，给自己存个笔记。 目前主要以概率图模型为主，后期如果复习到，会不断补充前面的模型和问题。欢迎各位批评指正~ 模型关系机器学习到深度学习贝叶斯派-概率图模型分类问题聚类问题非线性问题采样问题-MCMC蒙特卡洛推断问题 机器学习到深度学习 ML-to-DL{频率派(统计学习){正则化{L1−LassoL2−Ridge=回归函数Lossfunction
Python-机器学习白板推导系列
08-11
机器学习-白板推导系列
机器学习-白板推导 P3_1 (线性回归)
qq_28404829的博客
09-06 237
机器学习-白板推导 P3 D={(x1,y1),(x2,y2)...(xN,yN)}D=\lbrace(x_1,y_1) ,(x_2,y_2) ...(x_N,y_N) \rbraceD={(x1​,y1​),(x2​,y2​)...(xN​,yN​)} xi∈Rp,yi∈R,i=1,2...Nx_i \in R^p, y_i \in R, i=1,2...Nxi​∈Rp,yi​∈R,i=1,2....
白板机器学习笔记 P60-P65 EM算法
LiPan的博客
04-11 668
视频地址：https://www.bilibili.com/video/BV1aE411o7qd?p=46 笔记地址：https://www.yuque.com/books/share/f4031f65-70c1-4909-ba01-c47c31398466/nl8l9l P60 EM算法1 - 收敛性证明 EM算法核心思想：是具有隐变量的混合模型的参数估计。本节主要证明了分步迭代更新参数θ时，新的θt+1一定会使X取的比上一步θt更高的置信度P(X|θ)。 ①：根据极大似然估计列出优化目标P(X|θ.
机器学习-白板推导-系列（六）笔记：SVM
我是一只小嵩鼠
01-27 828
本博客为（系列六）的笔记，对应的视频是：【(系列六) 支持向量机1-硬间隔SVM-模型定义】、【(系列六) 支持向量机2-硬间隔SVM-模型求解-引出对偶问题】等8个视频。
白板推导机器学习-开篇
Harrytsz的博客
03-13 881
频率派 VS 贝叶斯派 机器学习中引入概率很自然，把数据当做是一个概率模型。 X：表示数据 data ——> 有 N 个样本，每个样本维度为 P： X=(x1x2...xN)N×PTX = (x_{1} x_{2} ... x_{N})^{T}_{N \times P}X=(x1​x2​...xN​)N×PT​ θ\thetaθ：表示参数 parameter 频率派：认为模型的参数 θ\th...
机器学习--白板推导系列笔记1 开篇
不积跬步，无以至千里
04-08 2232
机器学习-白板推导系列(十)-EM算法（Expectation Maximization）
Paul_Huang的专栏
02-17 559
10. EM算法（Expectation Maximization） 10.1 EM算法公式以及算法收敛性证明 Expectation Maximization (EM)算法，中文名字叫做“期望最大”算法。是用来解决具有隐变量的混合模型的高斯分布\color{red}具有隐变量的混合模型的高斯分布具有隐变量的混合模型的高斯分布。对于简单的问题，可以直接得出参数的解析解，比如：MLE: p(X∣θ)p(X|\theta)p(X∣θ)。我们想要求解的结果就是： θMLE=arg⁡max⁡θlog⁡p(X∣θ).
机器学习算法-详细白板推导系列视频
datayx的文章
07-13 1022
向AI转型的程序员都关注了这个号????????????机器学习AI算法工程 公众号：datayx在B站上传了一系列关于机器学习的视频，每个部分均是一些比较详细、基础的入门推导，目的是帮...
机器学习-白板推导系列（笔记）
qq_37945983的博客
03-25 1373
机器学习-白板推导系列 第一讲：数学基础-概率-高斯分布1-极大似然估计（2020/3/15-20：24） 第二讲：数学基础-概率-高斯分布2-极大似然估计-有偏vs无偏--二维（2020/3/15-21：13） ps(有偏方差比无偏方差小，说明极大似然估计法估计的方差偏小了，这是因为有偏方差只是是对样本数据均值进行估计的方差，而忽略了样本的均值和真正的u有误差，所以有偏方差比无偏方差小...
概率图模型的机器学习公式推导笔记
从文件信息可知，该压缩包中的内容很可能是关于概率图模型在机器学习中的应用，尤其是涉及白板推导的详细笔记。这说明笔记可能包含概率图模型的数学定义、计算推导、图解说明以及各种推断和学习算法的详细步骤。这些...
评论
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