機器學習&數據挖掘筆記_21（PGM練習五：圖模型的近似推理）
前言： 這次練習完成的是圖模型的近似推理，參考的內容是coursera課程：Probabilistic Graphical Models . 上次實驗PGM練習四：圖模型的精確推理 中介紹的是圖模型的精確推理，但在大多數graph上，其精確推理是NP-hard的，所以有 ...
原文：機器學習&數據挖掘筆記_20（PGM練習四：圖模型的精確推理）
前言： 這次實驗完成的是圖模型的精確推理。exact inference分為 種，求邊緣概率和求MAP，分別對應sum product和max sum算法。這次實驗涉及到的知識點很多，不僅需要熟悉圖模型的representation，而且還需明白圖模型的inference理論，大家可參考coursera課程：Probabilistic Graphical Models的課件和視頻。多花點功夫去理 ...
2014-01-04 15:34 0 12824 推薦指數：
相關推薦
機器學習&數據挖掘筆記_23（PGM練習七：CRF中參數的學習）
前言： 本次實驗主要任務是學習CRF模型的參數，實驗例子和PGM練習3中的一樣，用CRF模型來預測多張圖片所組成的單詞，我們知道在graph model的推理中，使用較多的是factor，而在graph model參數的學習中，則使用較多的是指數線性模型，本實驗的CRF ...
機器學習&數據挖掘筆記_24（PGM練習八：結構學習）
前言： 本次實驗包含了2部分：貝葉斯模型參數的學習以及貝葉斯模型結構的學習，在前面的博文PGM練習七：CRF中參數的學習 中我們已經知道怎樣學習馬爾科夫模型(CRF)的參數，那個實驗采用的是優化方法，而這里貝葉斯模型參數的學習是先假定樣本符合某種分布，然后使用統計 ...
機器學習&數據挖掘筆記_22（PGM練習六：制定決策）
前言： 本次實驗是將一些簡單的決策理論和PGM推理結合,實驗內容相對前面的圖模型推理要簡單些。決策理論采用的是influence diagrams，和常見圖模型本質一樣， 其中的決策節點也可以用CPD來描述，做決策時一般是采用最大期望效用准則(MEU)。實驗內容參考 ...
機器學習&數據挖掘筆記_25（PGM練習九：HMM用於分類）
前言： 本次實驗是用EM來學習HMM中的參數，並用學好了的HMM對一些kinect數據進行動作分類。實驗內容請參考coursera課程：Probabilistic Graphical Models 中的的最后一個assignmnet.實驗用的是kinect關節點數據 ...
機器學習&數據挖掘筆記_17（PGM練習一：貝葉斯網絡基本操作）
前言： 以前在coursera上選過一門PGM的課（概率圖模型），今天上去才發現4月份已經開課了，6月份就要結束了，雖然最近沒什么時間，擠一點算一點，所以得抓緊時間學下。另外因為報名這些課程的時候，開課老師是不允許將課程資料和code貼在網上的，所以作為學生還是要聽從老師的要求 ...
機器學習&數據挖掘筆記_18（PGM練習二：貝葉斯網絡在遺傳圖譜在的應用）
前言： 這是coursera課程：Probabilistic Graphical Models 上的第二個實驗，主要是用貝葉斯網絡對基因遺傳問題進行一些計算。具體實驗內容可參 ...
機器學習&數據挖掘筆記_19（PGM練習三：馬爾科夫網絡在OCR上的簡單應用）
這些參數(已提供)，不需要掌握推理的方法(也提供了)，目的是讓大家對CRF模型有個感性認識。馬爾科夫網絡相 ...