机器学习之概率与统计推断
返回
机器学习之概率与统计推断
共61节
22089人在学
课程详情
¥399.00订阅全部
随机变量及其分布
概率与统计推断课程介绍
(一)概率基础
(二)随机变量及其分布函数
(三)分布的单值概述
(四)常见随机变量分布
(五)抽样分布
(六)概率密度估计
(七)案例:Rent Listing Requries数据集探索及特征的分布估计
(八)极大熵原理
概率第一课课后答疑
概率第一课作业讲解
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
(1.1)参数估计及outline
(2.1) 常见分布的共轭先验
(3.1)岭回归:线性回归的正态先验
(3.2)案例:多项式回归
(3.3) Lasso:线性回归的Laplace先验
(3.4) 案例:波士顿房价预测
(4.1)Logistic回归的正态先验和Laplace先验
(4.2) 案例:蘑菇分类
(4.3) 总结
概率第四讲课后答疑
订阅失败
机器学习之概率与统计推断
...
当前章节需购买后观看
开通超级会员免费看!专家精选系列课程,满足你从入门到精通!更有问答月卡免费送,你的问题有问必答!
提交答案
购买课程
扫码完成付费,可继续学习全部课程内容
加载中...
播放页问题反馈
视频学习中有任何产品建议都可由此反
馈,我们将及时处理!
课时介绍
(3.2)Logistic回归模型参数的MLE及案例代码解析-极大似然估计机器学习之概率与统计推断
课程介绍
本课程讲解机器学习算法所需概率和统计推断知识。概率部分包括概率公理及推论、条件概率、贝叶斯公式、随机变量及其概率函数(CDF/pdf)、常用概率分布及其均值、方差;统计推断部分包括大数定律和中心极限定理、极大似然估计、贝叶斯估计,估计的评价、偏差-方差平衡。课程还会讲解假设检验的基本概念。
推荐课程
正在试验
后自动删除环境
关闭试验
继续试验
课程实验
本次实验时间已到期 00:00:00
课件正在飞速打包中,请耐心等待几秒钟~