--PRML

模式识别 | PRML概览

PRML全书概览PRML全称PatternRecognitionandMachineLearning，个人认为这是机器学习领域中最好的书籍之一，全书的风格非常Bayesian，作者试图在贝叶斯框架下解释每一种机器学习模型
ZIYUE WU·2024-02-03 07:48

PRML笔记（十）

10.ApproximateInference在probabilisticmodels中的一个核心任务是，在给定observed（visible）datavariablesX\mathbf{X}X的时候去计算关于latentvariablesZ\mathbf{Z}Z的posteriordistributionp(Z∣X)p(\mathbf{Z|X})p(Z∣X)。并且去在该概率分布下计算一些exp
以负熵为食·2024-01-28 13:14

2018年1月29日

但是深度学习模型还是不会调参啊……中午在食堂解决，下午则基本是摸鱼为主……PRML也看了一点，不过第三章中后期还是看不懂就跳到第四章了，感觉又犯了心浮气躁
真昼之月·2024-01-02 19:22

PRML第一章读书小结

PRML第一章读书小结    第一章用例子出发，较为简单的引入了概率论、模型、决策、损失、信息论的问题，作为机器学习从业者，读PRML除了巩固已有基础，还受到了很多新的启发，下面将我收到的启发总结如下。
飞剑客阿飞·2023-12-23 03:33

Bishop新著 - 深度学习:基础与概念 - 前言

译者的话十几年前，笔者在MSRA实习的时候，就接触到了ChristopherM,Bishop的经典巨著《PatternRecogitionandMachineLearning》(一般大家简称为PRML)
Garry1248·2023-12-05 07:49

[算法]PRML学习笔记 1.2.2 数学期望和协方差

数学期望在概率学中最重要的事情之一就是寻找出函数的加权平均值。其中函数f(x)的数学期望E[f]是根据其在概率分布p(x)下的平均值计算得出。对于离散分布变量，其公式为：E[f]=∑xp(x)f(x)\displaystyle\sum_{x}p(x)f(x)x∑p(x)f(x)因此，从这个公式可以得出对于离散变量来说数学期望（平均权重）来自于根据各个不同变量x相关的f(x)与这个f(x)相对概率p
AutismThyself·2023-11-19 20:09

PRML 第三章

3回归的线性模型1.之前说的是无监督学习：密度估计+聚类。这里讨论监督学习：回归。2.回归就是维变量对应目标变量的问题。第一章由多项式曲线拟合。最简单就是线性回归。但如果将输入变量进行非线性函数变化后进行线性组合，可以得到基函数。3.过程就是有个观测量和对应目标变量的训练数据集。目标有新的x预测新的t。就构建函数y(x)来预测输出。从概率角度看就是对每个x的目标t值的不确定性进行建模。最小化一个合
萌新待开发·2023-11-07 05:25

PRML第二章

目录2概率分布2.1二元变量2.1.1Beta分布2.2多项式变量2.2.1狄利克雷分布2.3高斯分布2.3.1条件高斯分布2.3.2边缘高斯分布2.3.3高斯变量的贝叶斯定理2.3.4高斯分布的最大似然估计2.3.5顺序估计2.3.6高斯分布的贝叶斯推断2.3.7学生t分布2.3.8周期变量2.3.9高斯混合模型2.4指数分布2.4.1最大似然与充分统计量2.4.2共轭先验2.4.3无信息先验2
萌新待开发·2023-10-27 12:37

leetcode 圆圈中最后剩下的数字(约瑟夫环)

关注公众号长歌大腿，发送“机器学习”关键字，可获取包含机器学习（包含深度学习)，统计概率，优化算法等系列文本与视频经典资料，如《ESL》《PRML》《MLAPP》等。
伊凡vnir·2023-10-19 07:04

正式找工作第二天

今天在看书的时候感觉PRML对我来说还是有些太难了，很多公式和推导其实都看不懂，所以感觉不太适合现在的阶段去看，暂时先不想调整，看这周的面试情况吧。
一路不向西·2023-10-06 18:59

PRML1-引言

本系列是根据《patternrecognitionandmachinelearning》一书写的，算是读书笔记？算是吧。因为是从自己角度出发，所以其实很大程度上自己看得懂，估计别人看不懂，还望见谅。数学符号约定：该书意在能够以最小的数学范围来解释整本书，不过在微积分、现代、概率论上还是不可避免的用到，为了方便概念的理解，所以本书在力求数学上的严谨的同时更多的是从不同的参考资料中将数学符号都能够统一
仙守·2023-10-06 18:15

《现代推荐算法》矩阵分解系列简介

/关注公众号长歌大腿，发送“机器学习”关键字，可获取包含机器学习（包含深度学习)，统计概率，优化算法等系列文本与视频经典资料，如《ESL》《PRML》《MLAPP》等。
伊凡vnir·2023-10-01 22:39

《现代推荐算法》神经协同过滤之MLP算法

关注公众号长歌大腿，发送“机器学习”关键字，可获取包含机器学习（包含深度学习)，统计概率，优化算法等系列文本与视频经典资料，如《ESL》《PRML》《MLAPP》等。
伊凡vnir·2023-09-16 18:48

图像分割|机器学习|模式识别(2019-04-29~05-04)

3.继续阅读PRML4.291.看pspnet代码●pythonwith关键字：简单就是打开文件，读完了，自动关文件。
Rlinzz·2023-09-13 12:16

机器学习面试之数据降维

一、PCA在PRML书上有两种定义PCA的方式，其中一种将PCA定义为一种正交投影，使得原始数据在投影子空间的各个维度的方差最大化。
梦无音·2023-08-28 11:26

图像分割|机器学习|模式识别(2019-04-08~04-12)

3.尽量读完PRML书的高斯部分。每次读英文版的都很慢。但还是要读呀。4.卸载3号服务器上的anaconda然后重新安装●辅助loss代码已完成。BUG1：在Unet末尾cat了前面几层后，在计算l
Rlinzz·2023-08-23 13:25

信息论之从熵、惊奇到交叉熵、KL散度和互信息

一、熵（PRML）考虑将A地观测的一个随机变量x，编码后传输到B地。这个随机变量有8种可能的状态，每个状态都是等可能的。为了把x的值传给接收者，需要传输⼀个3⽐特的消息。
woisking2·2023-08-06 10:30

leetcode 路径总和

关注公众号长歌大腿，发送“机器学习”关键字，可获取包含机器学习（包含深度学习)，统计概率，优化算法等系列文本与视频经典资料，如《ESL》《PRML》《MLAPP》等。
伊凡vnir·2023-07-19 23:47

《现代推荐算法》传统协同过滤（user-CF, item-CF）

关注公众号长歌大腿，发送“机器学习”关键字，可获取包含机器学习（包含深度学习)，统计概率，优化算法等系列文本与视频经典资料，如《ESL》《PRML》《MLAPP》等。
伊凡vnir·2023-04-16 19:38

PRML第十四章读书笔记——Combining Models 贝叶斯模型平均、委员会bagging、提升方法/AdaBoost、决策树、条件混合模型/混合线性回归/混合逻辑回归/【层次】混合专家模型

（终于读到最后一章了，吼吼！激动呀。我总感觉combiningmodels已经有点频率派方法的味道了。所以接下来要读ESL？）目录14.1BayesianModelAveraging14.2Committees14.3BoostingP659最小化指数误差P661boosting的误差函数14.4Tree-basedModels14.5ConditionalMixtureModelsP667线性回
Trade Off·2023-04-04 21:30

PRML一书中关于贝叶斯曲线拟合结论的推导细节

PRML一书中关于贝叶斯曲线拟合结论的推导细节我们令训练数据集为(X,T)(X,T)(X,T),对于一个新的点xxx,我们希望给出一个预测分布p(t∣x,X,T)p(t|x,X,T)p(t∣x,X,T)
MezereonXP·2023-03-26 11:35

《现代推荐算法》神经协同过滤之GMF算法

关注公众号长歌大腿，发送“机器学习”关键字，可获取包含机器学习（包含深度学习)，统计概率，优化算法等系列文本与视频经典资料，如《ESL》《PRML》《MLAPP》等。
伊凡vnir·2023-03-24 12:22

【应用】【正则化】L1、L2正则化

L2正则化的作用：PRML书中描述“focusonquadratic
八号线土著·2023-02-17 00:41

【西瓜书/机器学习·周志华】机器学习与模式识别思维导图 - PRML Mind Map

【西瓜书/机器学习·周志华】机器学习与模式识别思维导图提供了与examcoo上作业题相同的知识点范围（由粗体加粗），第一到九章的思维导图第一章-绪论机器学习方法的分类，三大阶段，以及奥卡姆剃刀、NoFreeLunch原理第二章-模型评估与选择什么是误差？机器学习的评估方法，PPP、RRR、F1F_1F1等度量值，ROCROCROC与AUCAUCAUC曲线，代价曲线第三章-线性模型几种典型的线性模型
Harvey Chui·2023-02-03 08:55

EM算法详解

最近再B站上，看到徐亦达老师的课程，EM算法这块讲解易于理解和接受，再结合PRML一书的关于混合模型和EM章节内容，对整个EM算法从具体的原理上面有了更深入的理解。
oskor·2023-02-02 11:30

正式找工作第三天

今天只有上午复习了PRML和LeetCode，下午在看之前面试的面经了。一、PRML今天复习了PRML的两节，第三节其实没看懂啥，讲的是顺序轨迹，其中有一
一路不向西·2023-01-29 03:06

《现代推荐算法》矩阵分解系列（SVD，FunkSVD，BiasSVD）原理

/关注公众号长歌大腿，发送“机器学习”关键字，可获取包含机器学习（包含深度学习)，统计概率，优化算法等系列文本与视频经典资料，如《ESL》《PRML》《MLAPP》等。
伊凡vnir·2023-01-28 10:11

模式识别与机器学习(一)——绪论、多项式拟合例子

1.1绪论内容对应PRML书1.1节部分。多项式拟合例子在这个例子中，假设我们有两个变量，它们满足如下关系：其中是一个均值为、标准差为的高斯噪声。
Ice_spring·2023-01-27 12:13

【PRML读书笔记-Chapter1-Introduction】1.3 Model Selection

在训练集上有个好的效果不见得在测试集中效果就好，因为可能存在过拟合(over-fitting)的问题。如果训练集的数据质量很好，那我们只需对这些有效数据训练处一堆模型，或者对一个模型给定系列的参数值，然后再根据测试集进行验证，选择效果最好的即可；大多数情况下，数据集大小是有限的或质量不高，那么需要有个第三测试集，用于测试选中的模型的评估。为了构建好的模型，我们常常选用其中质量较高的数据拿来训练，这
weixin_30390075·2023-01-27 08:47

机器学习书单

PatternRecognitionandMachineLearning作者:ChristopherM.Bishop(英国剑桥大学微软剑桥研究院院长)https://www.microsoft.com/en-us/research/people/cmbishop/prml-book
jueshu·2023-01-21 21:23

机器学习 day1

书籍链接：http://tangshusen.me/Dive-into-DL-PyTorch/#/一、线性回归对于「线性模型」的内容，那我们就来看看「西瓜书」「统计学习方法」「ESL」「PRML」这几本书大概是怎么来讲解这部分内容的
dcr-lzh·2023-01-18 14:16

python数据分析经典书籍有哪些_Python数据分析与机器学习经典书目与优质资源

第二本是大名鼎鼎的PRML，可谓是机器学习领域的圣经，中文译本为模式识别与机器学习，至于这本书有多经典以及质量有多高，大家看看豆瓣计算
weixin_39870199·2023-01-09 13:43

PRML 读书记录

2011-11-21今天开始啃PRML，啃完之后就NB了，希望能坚持，看多久能啃完，Mark一下为证2011-11-23关于GenerativeModels&DiscriminativeModels在P43
xpersistence·2023-01-07 10:24

PRML笔记: Graphical Models (8-0)

一是我们机器学习方法课程将PRML作为指定教材，二是我积累了足够多的经验，知道如何快速弥补读书过程中数学方面的不足，三是我离毕业也不远了，总想多完成些有意义的事情
weixin_30507269·2023-01-07 10:51

PRML读书会第八章 Graphical Models

对两类图，prml都讲了如何将联合概率分解为条件概率，以及如何表示和判断条件依赖。先说贝叶斯网络，贝叶斯网络是有向图，用节点表示
mishidemudong·2023-01-07 10:21

PRML读书会第十章 Approximate Inference（近似推断，变分推断，KL散度，平均场， Mean Field ）

PRML读书会第十章ApproximateInference（近似推断，变分推断，KL散度，平均场，MeanField）原创2015年02月03日15:51:38标签：近似推断/变分推断/KL散度/平均场
qq_40823914·2023-01-07 10:49

PRML读书会第五期——概率图模型(Graphical Models)【上】

PRML读书会第五期——概率图模型(GraphicalModels)前言本人系浙江大学人工智能协会(ZJUAI)会员。本学期协会正在举办PRML读书会系列活动，笔者在活动中负责部分记录工作。
wxxcl0825·2023-01-07 10:18

PRML第八章读书笔记——Graphical Models 生成式模型/超先验/层次贝叶斯模型、d-分离/朴素贝叶斯、有向分解/马尔可夫毯、D图I图完美图、马尔科夫链/因子图/和积算法/最大和算法

（终于读到概率图了，从这一章开始应该算是PRML的精华内容了。
Trade Off·2023-01-07 10:16

PRML读书会第十章 Approximate Inference（近似推断，变分推断，KL散度，平均场， Mean Field ）...

主讲人戴玮（新浪微博:@戴玮_CASIA）Wilbur_中博(1954123)20:02:04我们在前面看到，概率推断的核心任务就是计算某分布下的某个函数的期望、或者计算边缘概率分布、条件概率分布等等。比如前面在第九章尼采兄讲EM时，我们就计算了对数似然函数在隐变量后验分布下的期望。这些任务往往需要积分或求和操作。但在很多情况下，计算这些东西往往不那么容易。因为首先，我们积分中涉及的分布可能有很复
dongkaomen2687·2023-01-07 10:45

PRML读书感悟

PRML入门小生一枚，属于后知后觉的那类，所以看这种书特别慢，前四章特别重要，到现在是第三遍在看了，今年一定要把前四章吃透！
码出祁迹·2023-01-07 10:14

PRML读书会第五期——概率图模型(Graphical Models)【下】

注：这是全文的第三部分，前文传送门：PRML读书会第五期——概率图模型(GraphicalModels)【上】PRML读书会第五期——概率图模型(GraphicalModels)【中】附录Hammesley-Clifford
wxxcl0825·2023-01-07 10:11

PRML读书会第五期——概率图模型(Graphical Models)【中】

注：这是全文的第二部分，前后文传送门：PRML读书会第五期——概率图模型(GraphicalModels)【上】PRML读书会第五期——概率图模型(GraphicalModels)【下】算法推导符号与规定为了保证行文中符号的一致性
wxxcl0825·2023-01-07 10:40

机器学习应该准备哪些数学预备知识？

最近在看PRML这类书籍，感觉有点吃劲，主要是公…关注者4828被浏览1
weixin_30577801·2023-01-06 09:25

PRML3.4贝叶斯模型比较

3.4贝叶斯模型比较模型比较的贝叶斯观点涉及到使用概率表示模型选择的不确定性，和使用概率的加和、乘积规则。现在讲解几个概念：假设项比较L个模型，在多项式拟合时，概率分布被定义在目标t上，而输入值X被认为是已知的，其他类型的模型定义了X和t上的联合分布。假设数据由这些模型中的一个生成，不确定性通过先验概率分布表示p(Mi)。后验分布现在给定一个训练数据集D，估计出后验分布：先验分布其中的先验分布表达
PHP的小白·2022-12-27 19:12

机器学习与优化论专业读本

自2013年起间歇性读过以下专业读本，大部分内容已读过一遍，少量读过2-3遍，略以记录.1.统计学习方法（第一版、第二版李航著）2.机器学习（周志华）3.PRML（Pattern-Recognition-and-Machine-Learning
scott198510·2022-12-27 15:10

国科大-2019-2020年，黄庆明模式识别与机器学习作业答案（黄庆明，常虹，郭嘉丰，山世光）

黄庆明模式识别与机器学习作业答案（黄庆明，常虹，郭嘉丰，山世光）四次作业答案历年考试和答案四次作业答案gitgub地址https://github.com/thesouther/ucas_courses/tree/master/PRML
cicoa·2022-12-21 07:30

【机器学习】白板公式推导-1-书籍&视频

【机器学习】白板公式推导-1-介绍书籍列表频率派-统计机器学习统计学习方法-李航ESL贝叶斯派-概率图模型模式识别与机器学习（PRML）-ChristopherM.BishopMLAPP其他机器学习（西瓜书
暖焱·2022-12-20 17:01

个人学习笔记：EM与GMM算法

本篇文章为个人学习EM算法框架时的笔记，其中主要参考了李航老师的《统计学习方法》这本书以及PRML，中间有一些内容是从其他一些网络资料上摘抄下来的，具体来源比较杂，这里就不一一列出了，如有侵权请联系删除
ZJ&ZYQ·2022-12-13 10:18

国科大高级人工智能+prml4-CNN

文章目录CNN卷积paddingpoolingBP其他CNNResNets残差网络——图像数据应用CNNHebb学习律（无监督如果两个神经元在同一时刻被激发，则他们之间的联系应该被强化对神经元的重复刺激，使得神经元之间的突触强度增加Delta学习律（有监督弥补之前的DNN的缺陷图大，DNN的参数太多基本思想—>得到了某种程度的位移、尺度、形变不变性局部感知野：局部连接（稀疏连接）-（减少参数数量）
叶落叶子·2022-12-12 07:55

变分推断学习笔记(1)——概念介绍

本文是学习PRML第10章的一篇笔记，错误或不足的地方敬请指出。先给出问题描述。
sina微博_SNS程飞·2022-12-09 17:50
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他