【David Sontag】贝叶斯方法概述

本课件主要内容包括：

1. 贝叶斯学习

2. 你的第一份咨询工作

3. 随机变量

4. 概率分布

5. 联合分布

6. 边际分布

7. 条件概率

8. 条件分布

9. 乘积原则

10. 贝叶斯准则

11. 图钉举例

12. 最大似然估计

13. 第一个参数学习算法

14. Beta先验分布

15. 采用贝叶斯推断进行预测

16. 关于连续变量

17. 高斯分布的特性

18. 高斯分布的MLE

19. 高斯分布均值的MLE

20. 方差的MLE

21. 学习高斯参数

22. 高斯参数的贝叶斯学习

23. 贝叶斯分类

24. 应用示例

25. 贝叶斯分类器

26. 模型参数

27. 朴素贝叶斯

28. 朴素贝叶斯分类器

29. 数字识别器

30. NB参数的MLE

31. NB参数的MAP估计

32. 逻辑回归

33. 似然 vs. 条件似然

34. 最大化条件对数似然

35. 凹函数优化：梯度上升

36. 朴素贝叶斯 vs. 逻辑回归

完整课件下载地址：

http://page2.dfpan.com/fs/6lcj3221a291e6daec5/

更多精彩文章请关注微信号：