他的首页
他的馆藏
他的动态
馆友反馈
关于他
| 共 4 篇文章 |
|
将上面转化以后的表达式与指数分布族对比，可以看出： h(y)=1" role="presentation">h(y)=1h(y)=1 T(y)=y" role="presentation">T(y)=yT(y)=y η=logφ1−φ" role="presentation">η=logφ1?φη=logφ1?φ φ=11+e−η" role="presentation">φ=11+e?ηφ=11+e?η A(... 阅706 转1 评0 公众公开 18-07-04 20:55 |
那么我抽到男生A（的身高）的概率是p(xA|θ)，抽到男生B的概率是p(xB|θ)，那因为他们是独立的，所以很明显，我同时抽到男生A和男生B的概率是p(xA|θ)* p(xB|θ)，同理，我同时抽到这100个男生的概率就是他们各自概率的乘积了。这个函数放映的是在不同的参数θ取值下，取得当前这个样本集的可能性，因此称为参数θ相对于样本集X的似然函数（lik... 阅17 转0 评0 公众公开 18-06-29 16:42 |
边缘概率是这样得到的：在联合概率中，把最终结果中那些不需要的事件通过合并成它们的全概率，而消去它们（对离散随机变量用求和得全概率，对连续随机变量用积分得全概率），这称为边缘化（marginalization），比如A的边缘概率表示为P(A)，B的边缘概率表示为P(B)。边缘概率是这样得到的：在联合概率中，把最终结果中不需要的那些事件合并成其事... 阅33 转0 评0 公众公开 18-06-27 15:23 |
下面，咱们对比下本文开头所述的LDA模型中一篇文档生成的方式是怎样的：按照先验概率选择一篇文档从狄利克雷分布（即Dirichlet分布）中取样生成文档 的主题分布，换言之，主题分布由超参数为的Dirichlet分布生成从主题的多项式分布中取样生成文档第 j 个词的主题从狄利克雷分布（即Dirichlet分布）中取样生成主题对应的词语分布，换言之，词语... 阅1 转自心不留意... 公众公开 18-06-27 13:54 |
