Fundamentals of Machine Learning · Digital lecture note
Lecture 4 – Parametric estimation, MLE, Gaussian Mixtures, EM
Makine Öğrenmesinin Temelleri – Parametrik kestirim, MLE, Gaussian Mixtures, EM
- Course
- Fundamentals of Machine Learning (ELM472)
- Semester
- Semester 7 · Fall 2024–25
- Format
- PDF · 8 pages · 0.2 MB · handwriting-style LaTeX
- Language
- Turkish
- Original note
- Ders-4.pdf
Open the PDF (0.2 MB)LaTeX source (.tex)Original handwritten note
Notice: 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.
What is in this note?
Section headings of the note (in Turkish):
- Parametric kestirim
- MLE
- Yeterli istatistik (Sufficient Statistics)
- Bernoulli Distrubution
- Gauss Dağılımı
- Gaussian Mixtures
- k-means
- EM algoritm
Text of the note
Show as plain text (Turkish; formulas and drawings are not included)
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