机器学习中的线性代数
文章平均质量分 76
机器学习中线性代数基础是十分重要的,本专栏主要用于回顾线性代数中的最基础的知识
James_ZHAAO
北邮在读
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
怎么理解最大后验估计(Maximum A Posteriori, MAP)
本文是从一个小白的角度来解读最大后验估计(MAP), 以及解释MAP和MLE(最大似然估计)的区别关于如何解读MLE,请阅读我的上一篇文章:怎么理解最大似然估计(Maximum Likelihood Estimation, MLE)-优快云博客。原创 2024-08-27 22:07:13 · 996 阅读 · 0 评论 -
怎么理解最大似然估计(Maximum Likelihood Estimation, MLE)
先说定义,MLE指的是,找到能够使得定义的模型,观测到我们想要观测的事件的概率最大化,的参数也就是说,我们终极目标使找到合适的模型参数,在此之前我们要明确想要观测的事件,以及选定模型可以通过两个简单的例子来帮助理解。原创 2024-08-21 23:34:02 · 516 阅读 · 0 评论
分享