机器学习&数据挖掘笔记_24（PGM练习八：结构学习）
前言： 本次实验包含了2部分：贝叶斯模型参数的学习以及贝叶斯模型结构的学习，在前面的博文PGM练习七：CRF中参数的学习 中我们已经知道怎样学习马尔科夫模型(CRF)的参数，那个实验采用的是优化方法，而这里贝叶斯模型参数的学习是先假定样本符合某种分布，然后使用统计 ...
原文：机器学习&数据挖掘笔记_23（PGM练习七：CRF中参数的学习）
前言： 本次实验主要任务是学习CRF模型的参数，实验例子和PGM练习 中的一样，用CRF模型来预测多张图片所组成的单词，我们知道在graph model的推理中，使用较多的是factor，而在graph model参数的学习中，则使用较多的是指数线性模型，本实验的CRF使用的是log linear模型，实验内容请参考coursera课程：Probabilistic Graphical Model ...
2014-01-10 21:38 3 17420 推荐指数：
相关推荐
机器学习&数据挖掘笔记_22（PGM练习六：制定决策）
前言： 本次实验是将一些简单的决策理论和PGM推理结合,实验内容相对前面的图模型推理要简单些。决策理论采用的是influence diagrams，和常见图模型本质一样， 其中的决策节点也可以用CPD来描述，做决策时一般是采用最大期望效用准则(MEU)。实验内容参考 ...
机器学习&数据挖掘笔记_25（PGM练习九：HMM用于分类）
前言： 本次实验是用EM来学习HMM中的参数，并用学好了的HMM对一些kinect数据进行动作分类。实验内容请参考coursera课程：Probabilistic Graphical Models 中的的最后一个assignmnet.实验用的是kinect关节点数据 ...
机器学习&数据挖掘笔记_20（PGM练习四：图模型的精确推理）
前言： 这次实验完成的是图模型的精确推理。exact inference分为2种，求边缘概率和求MAP，分别对应sum-product和max-sum算法。这次实验涉及到的知识 ...
机器学习&数据挖掘笔记_17（PGM练习一：贝叶斯网络基本操作）
前言： 以前在coursera上选过一门PGM的课（概率图模型），今天上去才发现4月份已经开课了，6月份就要结束了，虽然最近没什么时间，挤一点算一点，所以得抓紧时间学下。另外因为报名这些课程的时候，开课老师是不允许将课程资料和code贴在网上的，所以作为学生还是要听从老师的要求 ...
机器学习&数据挖掘笔记_21（PGM练习五：图模型的近似推理）
前言： 这次练习完成的是图模型的近似推理，参考的内容是coursera课程：Probabilistic Graphical Models . 上次实验PGM练习四：图模型的精确推理 中介绍的是图模型的精确推理，但在大多数graph上，其精确推理是NP-hard的，所以有 ...
机器学习&数据挖掘笔记_18（PGM练习二：贝叶斯网络在遗传图谱在的应用）
前言： 这是coursera课程：Probabilistic Graphical Models 上的第二个实验，主要是用贝叶斯网络对基因遗传问题进行一些计算。具体实验内容可参 ...
机器学习&数据挖掘笔记_19（PGM练习三：马尔科夫网络在OCR上的简单应用）
这些参数(已提供)，不需要掌握推理的方法(也提供了)，目的是让大家对CRF模型有个感性认识。马尔科夫网络相 ...