六、概率PCA 6.1 参数求解 6.1.1 解析解 6.1.2 EM算法解 6.2 性质 6.3 因子分析 六、概率PCA 定义隐变量 ，它属于低维空间（也称作隐空间，即隐变量所在的空间）。假设 的先验分布为高斯分布： ，其均值为 ，协方差矩阵为 。 定义观测变量 ，它属于高维空间。假设条件概率分布 也是高斯分布： 。其...

深度概率编程 概述 使用贝叶斯神经网络 处理数据集 定义贝叶斯神经网络 定义损失函数和优化器 训练网络 使用变分自编码器 定义变分自编码器 定义损失函数和优化器 处理数据 训练网络 生成新样本或重构输入样本 DNN一键转换成BNN 定义DNN模型 定义损失函数和优化器 实例化TransformToBNN 实现功能一：转换整个模型...

1.16. 概率校准 1.16. 概率校准 1.16. 概率校准 1.16. 概率校准 校验者: @曲晓峰 @小瑶 翻译者: @那伊抹微笑 执行分类时, 您经常希望不仅可以预测类标签, 还要获得相应标签的概率. 这个概率给你一些预测的信心. 一些模型可以给你贫乏的概率估计, 有些甚至不支持概率预测. 校准模块可以让您更好地校准给定模型的概率...

概率统计 概率统计 1 已知有个rand7()的函数，返回1到7随机自然数，让利用这个rand7()构造rand10() 随机1~10。 分析：这题主要考的是对概率的理解。程序关键是要算出rand10，1到10，十个数字出现的考虑都为10%.根据排列组合，连续算两次rand7出现的组合数是7*7=49，这49种组合每一种出现考虑是相同的。怎么从...

15、概率图模型 上篇主要介绍了半监督学习，首先从如何利用未标记样本所蕴含的分布信息出发，引入了半监督学习的基本概念，即训练数据同时包含有标记样本和未标记样本的学习方法；接着分别介绍了几种常见的半监督学习方法：生成式方法基于对数据分布的假设，利用未标记样本隐含的分布信息，使得对模型参数的估计更加准确；TSVM给未标记样本赋予伪标记，并通过不断调整易出错...

1.16. 概率校准 1.16. 概率校准 校验者: @曲晓峰 @小瑶 翻译者: @那伊抹微笑 执行分类时, 您经常希望不仅可以预测类标签, 还要获得相应标签的概率. 这个概率给你一些预测的信心. 一些模型可以给你贫乏的概率估计, 有些甚至不支持概率预测. 校准模块可以让您更好地校准给定模型的概率, 或添加对概率预测的支持. 精确校准的分类器是...

五、常见概率分布 5.1 均匀分布 5.2 伯努利分布 5.3 二项分布 5.4 高斯分布 5.4.1 一维正态分布 5.4.2 多维正态分布 5.5 拉普拉斯分布 5.6 泊松分布 5.7 指数分布 5.8 伽马分布 5.9 贝塔分布 5.10 狄拉克分布 5.11 多项式分布与狄里克雷分布 5.12 混合概率分布 五、...

一、概率与分布 1.1 条件概率与独立事件 1.2 联合概率分布 一、概率与分布 1.1 条件概率与独立事件 条件概率：已知 事件发生的条件下 发生的概率，记作 ，它等于事件 的概率相对于事件 的概率，即： 。其中必须有 。 条件概率分布的链式法则：对于 个随机变量 ，有： 两个随机变量 相互独立的数学描述： 。记...