Makine Öğrenmesinin Temelleri · Dijital ders notu
Parametrik kestirim, MLE, Gaussian Mixtures, EM
- Ders
- Makine Öğrenmesinin Temelleri (ELM472)
- Dönem
- 7. Dönem · 2024–2025 Güz
- Biçim
- PDF · 8 sayfa · 0,2 MB · el yazısı görünümlü LaTeX
- Orijinal not
- Ders-4.pdf
Uyarı: Dijital notlar, el yazısı notlardan Claude (Anthropic) yardımıyla oluşturulmuştur; yardımcı kaynak olarak hazırlanmıştır ve hata içerebilir. Orijinal notları ve resmi ders kaynaklarını esas alın.
The digital notes were created from the handwritten notes with the help of Claude (Anthropic); they are meant as a supplementary resource and may contain errors. Always rely on the original notes and the official course materials.
The digital notes were created from the handwritten notes with the help of Claude (Anthropic); they are meant as a supplementary resource and may contain errors. Always rely on the original notes and the official course materials.
Bu notta neler var?
- Parametric kestirim
- MLE
- Yeterli istatistik (Sufficient Statistics)
- Bernoulli Distrubution
- Gauss Dağılımı
- Gaussian Mixtures
- k-means
- EM algoritm
Notun metni
Düz metin olarak göster (formüller ve çizimler yoktur)
En olabilirlik fonksiyonu: L(θ)
Optimization Yöntemi: MLE maximum likelihood estimation
her bir örnek.
Yeterli istatistik (Sufficient Statistics)
Bir dağılımı açıklayabilecek minimum parametre sayısı
Saç renkleri üzerinden konuşalım
etiket değişmeyene kadar devam ederiz.
buna kestiricinin varyansı
N ile çarpıp N-1 bölüp, kestiriciyi değiştirsek çıkar
Makine öğrenmesinde dik olmasa da olur base functions
haftaya Naive bayes