本文对应斯坦福ML公开课的第12个视频,第12个视频与前面相关性并不大,敞开了一个新的论题——无监督学习。主要内容包含无监督学习中的K均值聚类(K-means)算法,混合高斯分布模型(Mixture of Gaussians, MoG),求解MoG模型的EM算法,以及EM的一般化方式,在EM的一般化方式之前,还有一个小知识点,即Jensen不等式(Jensen’s inequality)。
本文对应斯坦福ML公开课的第12个视频,第12个视频与前面相关性并不大,开启了一个新的话题——无监督学习。主要内容包括无监督学习中的K均值聚类(K-means)算法,混合高斯分布模型(Mixtur
本文对应斯坦福ML公开课的第12个视频,第12个视频与前面相关性并不大,敞开了一个新的论题——无监督学习。主要内容包含无监督学习中的K均值聚类(K-means)算法,混合高斯分布模型(Mixture of Gaussians, MoG),求解MoG模型的EM算法,以及EM的一般化方式,在EM的一般化方式之前,还有一个小知识点,即Jensen不等式(Jensen’s inequality)。