Exponential families
2015-06-21 20:15
295 查看
Exponential families
·EF包括很多常用分布,比如:Bernoulli, Gaussian, Multinomial, Dirichlet, Gamma, Poisson, Beta。
使用EF描述数据,可以让我们更容易找到共轭先验。
·其通用形式如下:
·各项含义如下:
注意,t(x)、h(x)可以不是关于x的函数。
下面以高斯分布作为例子,讲解其EF通用形式和对应的共轭先验
·高斯分布转换成EF通用形式:
·可以转换成另一种形式
这种形式更适用于发现共轭先验(与图中式(34)有相同形式的参数的先验分布),因为把只含参数的部分单独放在一块了。
·由上图的式(34)可知共轭先验应当满足以下形式
由此可知,共轭先验也是高斯分布。
·根据“后验=先验*似然函数”可得后验分布的natural parameter为:
其中
·由此可得后验概率的期望和方差
·代入对期望、方差的先验假设后,可得:
相关文章推荐
- 用Python从零实现贝叶斯分类器的机器学习的教程
- 也谈 机器学习到底有没有用 ?
- 量子计算机编程原理简介 和 机器学习
- 10个关于人工智能和机器学习的有趣开源项目
- 机器学习实践中应避免的7种常见错误
- 机器学习书单
- 北美常用的机器学习/自然语言处理/语音处理经典书籍
- 如何提升COBOL系统代码分析效率
- 支持向量机(SVM)算法概述
- 神经网络初步学习手记
- 开始spark之旅
- spark的几点备忘
- 关于机器学习的学习笔记(一):机器学习概念
- 关于机器学习的学习笔记(二):决策树算法
- 关于机器学习的学习笔记(三):k近邻算法
- 长期招聘:自然语言处理工程师
- 长期招聘:个性化推荐
- 为什么需要一个推荐引擎平台
- 机器学习之决策树整理
- Kernel PCA