PRML读书笔记(1)——第三章 线性回归模型
来源:互联网 发布:linux 源码安装lnmp 编辑:程序博客网 时间:2024/06/01 13:16
- 线性基函数模型
- 基本形式
- Feature Extraction
- 最大化似然函数和最小均方差Maximum likelihood and least squares
- Example
线性基函数模型
基本形式
Feature Extraction
决定基函数(basis function)
- 线性
- 幂次(存在着一个feature变化其他的feature也会变化的情况)
- 高斯:
ϕj(x)=exp{−(x−μj)22s2} - sigmoid function
最大化似然函数和最小均方差(Maximum likelihood and least squares)
讨论最大似然方法和最小均方差的关系
其中
一般来说,如果用均方差函数,那么关于
Example
Input values:
是对于整个训练数据的目标值的概率分布密度函数,忽略条件参数中的
其中的
可以通过最大似然函数的方法去估计参数
存疑:这里涉及到矩阵求导,貌似上式中最后一项
但是两者之间求出来的值是否一致还不清楚,需要进一步讨论。
解得
对该式求解,得到
其中
这个推导过程还没有自己验证成功过 T^T
当把
对
因此实际上
阅读全文
0 0
- PRML读书笔记(1)——第三章 线性回归模型
- PRML读书笔记——线性回归模型
- PRML读书笔记——线性分类模型
- PRML读书会第三章 Linear Models for Regression(线性基函数模型、正则化方法、贝叶斯线性回归等)
- 第三章 回归线性模型
- PRML读书笔记——图模型
- PRML读书笔记——组合模型
- PRML Ch3: Linear Models For Regression 线性回归模型
- TensorFlow系列(1)——建立线性回归模型
- 回归模型——线性回归
- 读书笔记《机器学习》: 第三章:线性模型
- 读书笔记--PRML(1)
- 线性模型(1) —— 多元线性回归
- PRML读书笔记——混合模型与EM
- PRML线性模型小结
- PRML读书笔记(1)——introduction
- PRML读书笔记(三):模型选择
- prml 图模型读书笔记
- NOIP2016——纪念第一次水过的一等
- C++学习笔记第一天
- 大学工会组织综合信息管理系统JAVA
- 国内Ubuntu下载地址
- Maven -- 在进行war打包时排除不需要的文件
- PRML读书笔记(1)——第三章 线性回归模型
- java利用dom4j解析XML文件
- 欢迎使用CSDN-markdown编辑器
- Ajax 页面一闪而过
- absolute paths not recommended in jsps
- 开博
- HDU 6119 小小粉丝度度熊(尺取)
- element ui下拉组件command传输对象
- 21. Merge Two Sorted Lists