Séance de cours
Décision de vraisemblance maximale
Séances de cours associées (33)
Dérivation de EM pour le GMM
Couvre la dérivation de lalgorithme EM pour le modèle de mélange gaussien.
Introduction à l'inférence
Couvre les bases de la théorie des probabilités, des variables aléatoires, de la probabilité conjointe et de l'inférence.
Modèle de mélange gaussien: forme finale EM
Explique les calculs E-step et M-step dans le modèle de mélange gaussien, y compris le pseudocode de lalgorithme EM.
Probabilité et statistiques
Couvre p-quantile, approximation normale, distributions articulaires et familles exponentielles en probabilité et en statistiques.
Probabilité et statistiques
Introduit la probabilité, les statistiques, les distributions, l'inférence, la probabilité et la combinatoire pour étudier les événements aléatoires et la modélisation en réseau.
Inférence maximale de vraisemblance
Explore linférence de vraisemblance maximale, comparant les modèles basés sur les ratios de vraisemblance et démontrant avec un exemple de pièce de monnaie.
Probabilité maximale: Inférence et comparaison du modèle
Explore l'inférence de vraisemblance maximale, la sélection de modèles et la comparaison de modèles à l'aide de ratios de vraisemblance.
Problèmes d'inférence et jeu de spin verre
Couvre les problèmes d'inférence liés au Spin Glass Game et les défis de faire des erreurs avec preb P.
Détection et estimation
Couvre la classification binaire, les tests d'hypothèse, les tests de rapport de vraisemblance et les règles de décision.
Valeurs propres et algorithme EM
Couvre les eigenvectors, les composants principaux, les variables de probabilité, l'algorithme EM, l'inégalité de Jensen et maximiser les limites inférieures.