贝叶斯推理与机器学习(一)概率推理基础

分类: 机器学习
$$ \newcommand\indep{\mathrel{\rlap{\perp}\mkern2mu{\perp}}} \newcommand\dep{\mathrel{\style{display: inline-block; transform: rotate(180deg)}{\indep}}} $$ 归一化条件 $$ \sum_{x \in dom(x)} {p(\chi=x)=1} $$ 两个变量可以互相交互 $$ p(x\ or\ y) = p(x) + p(y) - p(x, y) $$ 集合符号表示 $$ p(x\ or\ y) \equiv p(x \cup y) $$ $$ p(x, y) \equiv p(x \cap y) $$ 边缘分布 $$ p(x) =

阅读更多 →