邱锡鹏 神经网络与深度学习课程【十五】——概率图模型2和3

学习： 参数学习：给定一组训练样本，求解模型参数 进行参数估计 有向图： 在贝叶斯网络中，所有变量x的联合概率分布可以分解为每个随机变量x_k的局部条件概率的连乘形式  无向图： 以对数线性模式为例 含隐变量的参数估计 隐变量即变量是不可观测的 图中x为可观测变量 z为不可观测变量  高斯混合模型： 高斯混合模型难点：因为z是不可观测的，不知道具体那个样本具体来自那个高斯，简单的解法：K-mean

>>阅读原文<<