logistic 回归1.问题：在上面讨论回归问题时，讨论的结果都是连续类型，但如果要求做分类呢？即讨论结果为离散型的值。2.解答：
假设：
其中：
g(z)g(z)的图形如下：
由此可知：当hθ(x)h_\theta(x)<0.5时我们可以认为为0，反之为1，这样就变成离散型的数据了。
推导迭代式：利用概率论进行推导，找出样本服从的分布类型，利用最大似然法求出相应的θ\theta因此：...
分类：
其他好文 时间：
2015-08-05 18:33:10
阅读次数：
288
GMM-UBM系统框架
GMM-UBM的核心思想是用混合高斯函数去拟合特征在高维空间的概率密度分布，在训练说话人模型的时候，由于注册时说话人的数据稀疏，通常利用一个通用背景模型(Universal Background Model，UBM)和少量的说话人数据，通过自适应算法(如最大后验概率MAP，最大似然线性回归MLLR等)得到目标说话人模型；在测试时，用测试语音相对于目标说话人模型和UBM模型...
分类：
其他好文 时间：
2015-08-03 21:00:17
阅读次数：
409
最大似然估计是一种奇妙的东西，我觉得发明这种估计的人特别才华。如果是我，觉得很难凭空想到这样做。 极大似然估计和贝叶斯估计分别代表了频率派和贝叶斯派的观点。频率派认为，参数是客观存在的，只是未知而矣。因此，频率派最关心极大似然函数，只要参数求出来了，给定自变量X，Y也就固定了，极大似然估计如下...
分类：
其他好文 时间：
2015-07-31 23:24:27
阅读次数：
369
最大似然估计：最大似然估计提供了一种给定观察数据来评估模型参数的方法，即：“模型已定，参数未知”。简单而言，假设我们要统计全国人口的身高，首先假设这个身高服从服从正态分布，但是该分布的均值与方差未知。我们没有人力与物力去统计全国每个人的身高，但是可以通过采样，获取部分人的身高，然后通过最大似然估计来...
分类：
其他好文 时间：
2015-07-23 21:43:27
阅读次数：
187
回答1：最大似然估计：现在已经拿到了很多个样本（你的数据集中所有因变量），这些样本值已经实现，最大似然估计就是去找到那个（组）参数估计值，使得前面已经实现的样本值发生概率最大。因为你手头上的样本已经实现了，其发生概率最大才符合逻辑。这时是求样本所有观测的联合概率最大化，是个连乘积，只要取对数，就变成...
分类：
其他好文 时间：
2015-07-23 17:19:13
阅读次数：
519
使用 Iso 聚类工具和最大似然法分类工具对一系列输入栅格波段执行非监督分类。...
分类：
其他好文 时间：
2015-07-20 16:46:45
阅读次数：
163
对一组栅格波段执行最大似然法分类并创建分类的输出栅格数据。...
分类：
其他好文 时间：
2015-07-17 18:52:17
阅读次数：
177
一、对于回归问题，基本目标是建模条件概率分布p(t|x) 利用最大似然的方式:negative logarithm of the likelihood 这个函数可以作为优化目标，其中的第二项与参数无关，在优化的时候不用计算在内。实际中所用到的各种不同的目标函数不过是对于的形式做了具体的假设。 1.s...
分类：
其他好文 时间：
2015-07-10 22:16:48
阅读次数：
270
基本想法：既不想像参数估计（最大似然，贝叶斯学习）那样需要假定特定的分布函数形式，又不想像非参数估计那样在最终生成的模型中带着所有的训练样本。 注意理解这个式子:p(j)是样本概率由第j个组分得到的概率，式（1）中也就是对联合分布求和得到了边缘分布。P(j)的取值需要满足概率函数的约束： 同理，条....
分类：
其他好文 时间：
2015-07-08 12:30:32
阅读次数：
197
在进行参数估计的时候， 常用到最大似然估计，其形式很简单，对于含有N个样本的训练数据集DN，假设样本独立同分布，分布参数为，则似然概率定义如下： 简单说就是参数为时训练集出现的概率，然后我们根据不同的分布形式求导，得到参数的最有值使得似然概率最大。 贝叶斯学习过程不同之处在于，一开始并不试图去求解一...
分类：
其他好文 时间：
2015-07-08 09:27:00
阅读次数：
96
