邱錫鵬 神經網絡與深度學習課程【十五】——概率圖模型2和3

學習： 參數學習：給定一組訓練樣本，求解模型參數 進行參數估計 有向圖： 在貝葉斯網絡中，所有變量x的聯合概率分佈可以分解爲每個隨機變量x_k的局部條件概率的連乘形式  無向圖： 以對數線性模式爲例 含隱變量的參數估計 隱變量即變量是不可觀測的 圖中x爲可觀測變量 z爲不可觀測變量  高斯混合模型： 高斯混合模型難點：因爲z是不可觀測的，不知道具體那個樣本具體來自那個高斯，簡單的解法：K-mean

>>阅读原文<<