美文网首页深度学习
隐含概率模型(2)

隐含概率模型(2)

作者: zidea | 来源:发表于2019-12-16 20:46 被阅读0次
task.jpg

参考 隐含概率模型

所以我们需要对每一次结果来推测这个任务是 B 还是 C 完成,我们可以近似估计.

| B | B | B |C | C | C | B | C | B |
|---|---|---|---|---|---|---|---|---|---|
| 1 | 1 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 1 |
| 0.5 | 0.3 | 0.2 | 0.3 | 0.2 | 0.3 | 0.3 | 0.2 | 0.2 | 0.3 |

最后一行使我们在不知道每一次任务具体事由随来做的时候,对该次任务是由鸣人完成的概率推测。


我们来看一下,这里我们每一次任务是鸣人还是由佐助来完成任务是不确定的,这里\pi表示任务是由鸣人来完成的概率。这里\mu_j 表示第 j 次结果是由于鸣人完成的概率。

\mu_j = \frac{\pi p^{y^{(j)}}(1-p)^{1-y^{(j)}} }{ \pi p^{y^{(j)}}(1-p)^{1-y^{(j)}} + (1 - \pi) q^{y^{(j)}}(1-q)^{1-y^{(j)}}}

  • \pi y^{(j)}(1-p)^{1-y^{(j)}}

\begin{cases} \pi = \frac{1}{N} \sum_{j=1}^N \mu_j \\ p = \frac{\sum_{j=1}^N y^{(j)} \mu_j}{\sum_{j=1}^N \mu_j} \\ p = \frac{\sum_{j=1}^N y^{(j)} (1 - \mu_j)}{\sum_{j=1}^N (1 - \mu_j)} \end{cases}

  • 我们知道\mu_j 鸣人完成任务可能性,\pi 表示鸣人完成任务概率,也就是如果 \pi = 0.3 也就是 100 任务其中 30 是由鸣人完成。
  • 那么我们将每次可能由鸣人来完成任务的概率分别是\mu_j将这些\mu_j概率求和除以N就可以得到\pi
  • p 是鸣人完成任务概率,那么每一次由鸣人来完成任务概率为\mu_j, 那么每一次我们观察到y^{(j)} 乘以\mu_j 的和除以\mu_j概率就是鸣人完成任务概率。

相关文章

  • 隐含概率模型(2)

    参考 隐含概率模型 所以我们需要对每一次结果来推测这个任务是 B 还是 C 完成,我们可以近似估计. | B |...

  • 隐含概率模型

    今天我们来学习 EM 我么看到变化背后隐含变量。 鸣人(B)和佐助(C)完成任务,具体是由谁完成任务是卡卡西(A)...

  • CRF条件随机场

    CRF和HMM,朴素贝叶斯一样都是概率图模型,概率图模型构建了这样的图,用观测结点表示观测到的数据,隐含结点表示潜...

  • 08 主题模型 - LDA

    07 主题模型 - 知识补充 - 概率知识、二项\多项\Beta\Dirichlet分布 八、LDA 隐含狄利克雷...

  • DataWhale-02-朴素贝叶斯

    相关概念生成模型在概率统计理论中, 生成模型是指能够随机生成观测数据的模型,尤其是在给定某些隐含参数的条件下。它给...

  • 从最大似然到EM算法浅解

    转载 http://blog.csdn.net/zouxy09 EM算法是一种迭代算法,用于含有隐含变量的概率模型...

  • 【机器学习】(七)马尔可夫链、马尔可夫随机场、条件随机场

    概率模型与概率图模型 概率模型 概率模型(probabilistic model)提供了一种描述框架,将学习任务归...

  • 机器学习相关数学概念

    极大似然估计 已知观察样本 \{X_1, X_2, \cdots, X_n\},已知概率分布模型,估计概率分布模型...

  • HMM及CRF

    概率图模型 概率图模型(probabilistic graphical models)在概率模型的基础上,使用了基...

  • HMM模型和Viterbi算法

    一、隐含马尔可夫模型(Hidden Markov Model) 1、简介 隐含马尔可夫模型并不是俄罗斯数学家马尔可...

网友评论

    本文标题:隐含概率模型(2)

    本文链接:https://www.haomeiwen.com/subject/dcxjnctx.html