概率图模型建模分为三种:专家建模,数据建模,知识库建模。

 

结构学习:

(1)基于评分搜索的结构学习:

a.评分函数

第三章 完整数据集下有向概率图模型的学习

第三章 完整数据集下有向概率图模型的学习

第三章 完整数据集下有向概率图模型的学习

所谓超参数,就是机器学习模型里面的框架参数,比如聚类方法里面类的个数,或者话题模型里面话题的个数等等,都称为超参数。它们跟训练过程中学习的参数(权重)是不一样的,通常是手工设定,不断试错调整,或者对一系列穷举出来的参数组合一通枚举。

 

第三章 完整数据集下有向概率图模型的学习

第三章 完整数据集下有向概率图模型的学习

 

第三章 完整数据集下有向概率图模型的学习

 

b.搜索算法

第三章 完整数据集下有向概率图模型的学习

 

(2)基于条件独立性测试的结构学习:

 第三章 完整数据集下有向概率图模型的学习

第三章 完整数据集下有向概率图模型的学习

 

参数学习:

主要是极大似然估计和贝叶斯参数估计。

极大似然估计:

第三章 完整数据集下有向概率图模型的学习

贝叶斯参数估计:

无偏估计:就是你进行采样估计一个参数,这个估计值多半不等于真实值,但是这个估计值的期望是真实值,这就是无偏估计。

第三章 完整数据集下有向概率图模型的学习

第三章 完整数据集下有向概率图模型的学习

第三章 完整数据集下有向概率图模型的学习

 

相关文章:

  • 2021-08-16
  • 2021-05-09
  • 2021-08-13
  • 2021-05-01
  • 2021-12-18
  • 2022-12-23
  • 2021-06-12
  • 2021-09-06
猜你喜欢
  • 2021-09-12
  • 2022-02-24
  • 2021-08-07
  • 2021-06-20
  • 2021-11-23
  • 2021-08-03
  • 2021-09-13
相关资源
相似解决方案