java 稀疏贝叶斯算法_稀疏贝叶斯学习(SBL)算法过程推导
【直接复制word中的公式格式会出问题,为了方便,公式部分就以截图形式呈现】
首先推导贝叶斯公式:
考虑事件A和事件B:
由以上两式,即得贝叶斯公式:
求解的问题模型为:
由贝叶斯公式可得:
要估计ω可由arg
p(ω|t)求得
假定ϵ符合均值为0,方差为
的高斯分布,则可得出t符合均值为Φω,方差为
的高斯分布,即
假定ω由超参数γ产生,并符合均值为0,方差为
的高斯分布,即
由全概率公式可得:
积分部分相当于两个高斯函数的卷积,仍为高斯函数。将指数部分看作一个整体,令:
L是关于ω的二次项。对于高斯函数有以下性质:
式中A是矩阵,b是向量,C是常数。可将L表达成
的样式,f中不含变量ω 。我们可以将满足Aω+b=0的ω代入其中,即得到f。为求ω,可通过对L求导,求其一阶零点得:
将ω 代入L中,得到,
因此对全概率公式进行积分后得
由此可以看出p(t;γ) 是一个高斯分布,其均值为0,协方差矩阵Σt 满足:
可通过下面矩阵求逆公式得到:
求得:
后验概率推导:
根据贝叶斯公式,有
利用前面的结果,分母部分已求得。分子部分是两个高斯概率密度函数的乘积,其结果仍为高斯分布,再与分母部分相除,最终还是为高斯分布。将前面求得的结果分别代入, 忽略常数部分,可得:
其均值为指数部分对ω的一阶导数零点,协方差矩阵的逆为指数部分对ω的二阶导数。可令:
对ω 求导,得
对ω 求二阶导,得:
令
得,
且
M>>N,Σω M阶,Σt N阶,Σω 的逆的复杂度远远高于Σt 的逆的复杂度,可运用矩阵和求逆公式将
转化为求
,结果如下:
最后通过EM算法更新超参数:
完毕
java 稀疏贝叶斯算法_稀疏贝叶斯学习(SBL)算法过程推导相关推荐
- Python_机器学习_算法_第1章_K-近邻算法
Python_机器学习_算法_第1章_K-近邻算法 文章目录 Python_机器学习_算法_第1章_K-近邻算法 K-近邻算法 学习目标 1.1 K-近邻算法简介 学习目标 1 什么是K-近邻算法 1 ...
- 主要推荐系统算法总结及Youtube深度学习推荐算法实例概括
主要推荐系统算法总结及Youtube深度学习推荐算法实例概括 By ZhuZhiboSmith2017年7月09日 17:00 现如今,许多公司使用大数据来做超级相关推荐,并以此来增加收益.在海量推荐 ...
- java 稀疏贝叶斯算法_稀疏贝叶斯学习(SparseBayesianLearning).PDF
稀疏贝叶斯学习(SparseBayesianLearning) 稀疏贝叶斯学习(Sparse Bayesian Learning) 张智林(Zhilin?Zhang)? z4zhang@ Depart ...
- java实现apriori算法_七大经典、常用排序算法的原理、Java 实现以及算法分析
0. 前言 大家好,我是多选参数的程序员,一个正再 neng 操作系统.学数据结构和算法以及 Java 的硬核菜鸡.数据结构和算法是我准备新开的坑,主要是因为自己再这块确实很弱,需要大补(残废了一般) ...
- weka java 分类算法_使用Weka快速实践机器学习算法
[译者注]在当下人工智能火爆发展的局面,每时每刻都有新的技术在诞生,但如果你是一个新手,Weka或许能帮助你直观.快速的感受机器学习带来的解决问题的新思路. Weka使机器学习的应用变得简单.高效并且 ...
- 沃舍尔算法_[数据结构拾遗]图的最短路径算法
前言 本专题旨在快速了解常见的数据结构和算法. 在需要使用到相应算法时,能够帮助你回忆出常用的实现方案并且知晓其优缺点和适用环境.并不涉及十分具体的实现细节描述. 图的最短路径算法 最短路径问题是图论 ...
- neo4j python 算法_图论与图学习(二):图算法
选自towardsdatascience 作者:Maël Fabien机器之心编译参与:熊猫 图(graph)近来正逐渐变成机器学习的一大核心领域,比如你可以通过预测潜在的连接来理解社交网络的结构.检 ...
- xgboost算法_工业大数据:分析算法
一. 应用背景 大数据分析模型的研究可以分为3个层次,即描述分析(探索历史数据并描述发生了什么).预测分析(未来的概率和趋势)和规范分析(对未来的决策给出建议).工业大数据分析的理论和技术研究仍处于起 ...
- prim算法_最小生成树(Kruskal和Prim算法)
文章和资源同步更新至微信公众号:算法工程师之路 8月份会开启每日算法题系列,值得期待哦 上一篇文章,我们讲了图的创建和遍历,其中遍历的算法主要有BFS(广度优先算法)和DFS(深度优先算法)两种,并且 ...
- 詹金斯搭建_詹金斯的Maven报告
詹金斯搭建 代码质量是一个敏感的话题. 它会影响您的维护成本以及客户满意度. 更不用说您的开发人员使用代码的动力了. 谁想要修复难看的代码,对吗? 讨论代码质量总是需要事实和数字! 因此,这是一个简短 ...
最新文章
- asp.net 操作excel的实现代码
- 形状相似的物品_废弃物品在体育课中的再利用
- openresty require报错
- nextcloud 中文乱码解决方案
- CSDN修改博客皮肤模板
- 电脑知识:Win10系统把系统盘的软件移到D盘的简单方法
- FCPX无缝扭曲过渡转场Twirl Transition Pack for Mac
- java返回泛型_Java泛型从泛型方法返回持有者对象
- (第十二周)Bug修正报告
- php 定时微博代码,8款主流定时微博工具
- 来客推电商快报之教育产业的未来发展
- dts : rx8025t与lm75bd
- 打印机主流的指令类型(ESC命令集+CPCL命令集+TSPL命令集)...
- 短信API接口组团出战,加速企业转型升级
- 【运动学】基于matlab EKF姿态估计【含Matlab源码 1638期】
- 多线程编程模式之Thread-Specific Storage模式
- ansible管理界面_Ansible和Google日历集成,用于变更管理
- truffle unbox react 初始化踩坑
- abaqus 录制结果动画_录制和编辑动画 | Adobe Character Animator 教程
- 医疗协议HL7的内容构成
热门文章
- 浅析请求转发和重定向
- javaweb----三层架构+
- vscode 经过跳板机,连接到内网服务器
- 线性代数:特征值有重根时,相同特征值对应的不同特征向量顺序能交换吗?
- 【EasyUI】easyui 设置表头颜色 - 多级表头
- wildfly 21的配置文件和资源管理
- 【GIF动画+完整可运行源代码】C++实现 选择排序——十大经典排序算法之二
- 解题报告——试题 基础练习 分解质因数——31行代码AC
- java实验原理和图例_图例解析JDK,JRE,JVM概念及使用
- 磁盘与文件系统管理( 认识磁盘,了解磁盘,文件系统的建立与自动挂载)