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258人预订
预订达标
文章出炉
     
18.05.17
18.05.29
本场 Chat 文章已出炉,购买后即可阅读文章并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。
你可能还喜欢
近距离接触 DDD
文贺
Python 常见的 170 道面试题全解析:2019 版
陈祥安
Docker 快速入门
技术人的突破
Apollo 轨迹规划技术分享
Apollo开发者社区
如何利用碎片时间,提升自己的职场竞争优势
代码GG陆晓明
Spring Boot 工程化最佳实践
ASCE1885
爬虫开发入门:使用 pyspider 框架开发爬虫
凯哥
百万级 Excel 如何导出
天涯阁主
项目实战:基于 TCP 的局域网内高性能文件传输系统设计与实现
ZYZMZM
深度学习 0 基础之 AI 视频换脸实践解析
汤青松
内存格系统 Hazelcast 在交易系统中的应用
火币集团研发中心
如何快速准备面试中的算法,获得 Offer?
我爱大口吃饭
如何写好 React 业务代码?
尹光耀
Docker 镜像构建原理及源码分析
张晋涛
5G,一场商业噱头 or 一次技术革命?
Edvin
微信扫描登录
关注提示×
扫码关注公众号,获得 Chat 最新进展通知!
添加小助手微信×