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221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
MyBatis 枚举全面使用指南
逆流而上/isea533
有关微服务的简介和经验分享
Yang
大型 Java 应用后台重构技术策略详解
驰骋
如何采用一套程序代码,实现系统的“千人千面”
白公
如何在繁重工作间隙保持良好的自学节奏和效能?
大妈
微服务网关 Spring Cloud Gateway 的应用实战
aoho求索
Docker 的基础知识整理
假不理
Dubbo 框架内核原理剖析
追梦
分布式链路追踪的前世今生
ASCE1885
穷人的新年红包系统,单节点 12W TPS
文心紫竹
Vue.js 快速开发小程序实战
芒果
RocketMQ 消息类型介绍及实现原理探究
老田
从源码的角度了解分析面试过程中遇到的 Spring 问题
杨琪
IoT:树莓派实现 Serverless 架构的商场人流分析系统
苏堤嘉木
深入理解延迟调度线程池原理与实现
南桥畂翊
微信扫描登录