随机变量及其分布
多元随机向量及其分布
- （一）多元随机变量及其分布
- （1.1）联合分布
- （1.2）边缘分布
- （1.3）条件分布
- （1.4）贝叶斯规则
- （1.5）独立及条件独立
- （1.6）协方差
- （1.7）互信息及特征选择
- （1.8）随机变量之间关系案例：Kaggle竞赛 Rent Listing Inquires数据分析
- （二）多元正态分布
- （2.1）协方差矩阵及白化
- （2.2）高斯判别分析
- （三）概率图模型
- （3.1）有向图&无向图
- （3.2）特殊概率图模型
- （3.3）朴素贝叶斯模型及Titanic案例分析
- （3.4）Markov链
- （3.5）隐马尔科夫模型（HMM）
- （3.6）Markov随机场（MRF）
- （3.7）条件随机场（CRF）
- 概率第二课课后答疑
- 概率第二课作业讲解
极大似然估计
- 前言：参数估计简介
- （一）极大似然估计基本思想
- （二）常见分布的极大似然估计
- （2.1）正态分布参数的MLE及实例解析
- （2.2）Bernoulli分布&二项分布参数的MLE
- （2.3）多项分布参数的MLE及词袋模型代码讲解
- （三）机器学习模型参数的极大似然估计
- （3.1）线性回归模型参数的MLE及案例代码解析
- （3.2）Logistic回归模型参数的MLE及案例代码解析
- （3.3）朴素贝叶斯模型参数的MLE
- （3.4）案例代码解析：新闻文档分类、Titanic
- （四）估计的评价
- （4.1）估计量的评价标准
- （4.2）MLE的性质
- （4.3）偏差-方差分解
- （4.4）方差估计 及 Bootstrap
- （4.5）课后练习
- 概率第三讲课后答疑
贝叶斯估计
提交答案