每周一个机器学习小项目003:概率引入与交叉熵、贝叶斯分类器

作者/分享人:如是
向 Ta 提问
算法工程师,主要从事数值模拟,智能算法的研究工作

本周机器学习小项目的主要目标在于引入概率模型。之前内容使用函数来描述模型,本周则侧重于从概率角度描述机器学习。概率与统计几乎是整个机器学习最重要的基础,甚至可能是深度学习之后新一代机器学习模型的基础。

本周主要内容包括:频率学派与贝叶斯学派、最大似然估计(MLE)、最大后验估计(MAP)、交叉熵作为损失函数与其反向传播过程实现、一个高斯环境下的贝叶斯分类器实现。最后就神经网络与贝叶斯分类器的等价关系作一说明与对比。

本周推荐阅读时间:25min

已有83人预订
预订达标
文章出炉
     
05月17日
05月31日
预订后,您将在05月31日之前获得一篇专享文章,您还将获得一张如是的读者圈Pass
请务必添加GitChat服务号以查看活动进度及获取活动通知。
退款保证:
• 05月24日前,预订人数未达标,您将获得全额退款。
• 作者未按时完成文章,您将获得全额退款。
你可能还喜欢
关于为何以及如何阅读源码的一点心得
追梦
从零开始,轻松打造你的聊天机器人
微软公开课
每周一个机器学习小项目001:全链接层实现与分类问题
如是
通过前端团队管理谈谈技术管理的技法与思想
常新居士
朋友圈爆款背后的计算机视觉技术与应用
AI科技大本营
为什么说 Java 程序员到了必须掌握 Spring Boot 的时候?
纯洁的微笑
量化教程 1:Python 基础
chen_h
每周一个机器学习小项目002:卷积神经网络实现与图片分类问题
如是
从架构角度来看 Java 分布式日志如何收集
张振华
领域驱动设计(DDD):如何快速入门
malaoko
Java 日志从入门到实战
JPM
分布式系统中服务降级策略探究
追梦
MyBatis 进阶:运行原理、插件、自定义类型、Cache、级联
阿福
通过源码深入理解 Spring Bean 的创建过程
零基础小白如何快速入门 Bootstrap
Nancy
微信扫描登录