В этом посте будет немного тяжелая математика, так как обычно трудно найти конкретное письмо, объясняющее каждый шаг алгоритма контрастной дивергенции для RBM. Но вероятностное машинное обучение станет для вас более привлекательным после прочтения этого. Просто еще одна практика! Работа, которую нужно сделать: Поскольку RBM содержит скрытые переменные, нам нужно добавить их в функцию распределения вероятностей и логарифмического правдоподобия. Энергетическая функция RBM, распределение..

В предыдущем посте мы рассмотрели, как работает выборка по важности. В предложении выборка по важности находит оценку математического ожидания некоторой функции f при некотором распределении вероятностей P путем выборки из более простого распределения Q и вычислить математическое ожидание функции f при Q с членами в сумме, масштабированной по весам, полученным из отношения ненормализованные функции Q * и P *. Для более ясного и подробного понимания прочитайте этот пост...

Как однажды сказал Джош Уиллс, «Специалист по данным - это человек, который лучше разбирается в статистике, чем любой программист, и лучше программирует, чем любой статистик». Согласно определению Википедии, статистика - это изучение« сбора, анализа, интерпретации представления и организации данных». Итак, специалистам по обработке данных необходимо знать статистику наряду с концепциями машинного обучения и глубокого обучения . Рассмотрим простой случай анализа данных,..