如何才能看得懂变分贝叶斯方法（Variational Bayesian）？ 第1页
1
zwli01 网友的相关建议:
楼主既然对EM算法有一些了解，建议就从EM算法入手。EM算法讲得比较直观明了的资料，我认为是Andrew NG的machine learning课程的讲稿。
CS 229: Machine Learning (Course handouts)，第八章就是专门讲EM算法的，不长，但是讲得很清晰。然后可以再去看一些EM的一些code实现。比如
MachineLearning-C---code/main.cpp at master · pennyliang/MachineLearning-C---code · GitHub。
熟悉完EM算法之后，可以去看变分推断了，关于变分推断的方法，D.Blei一直在推，最近就写了一篇文章和一份笔记。笔记在此
https://www. cs.princeton.edu/course s/archive/fall11/cos597C/lectures/variational-inference-i.pdf。 文章在此
https:// arxiv.org/abs/1601.0067 0。笔记是对文章的总结。
再往后就是结合了EM和variational inference的变分EM了，这个可以看香港大学的一份PPT，讲得是使用变分EM推导LDA的过程，很详细。
http://www. cse.ust.hk/~lzhang/teac h/6931a/slides/lda-zhou.pdf1
相关话题
如何评价《Science》封面文章《通过概率规划归纳的人类层次概念学习》?为什么相比于计算机视觉(cv)，自然语言处理(nlp)领域的发展要缓慢？
为何以范剑青老师的 Sure Independence Screening 为代表的筛选法没有流行呢？
为什么小模型已经可以很好地拟合数据集了，换大模型效果却要比小模型好？
运维监控的KPI异常检测 业界有哪些实用方法？
如何理解空洞卷积（dilated convolution）？
如何理解今年发表在JMLR上随机森林算法SPORF？
算法研究属于数学专业还是计算机专业？
如何看待比 iPad 还大的史上最大芯片问世？ 功耗比电磁炉还高有什么用？
神经网络模型压缩好就业吗?
下一个讨论
数学 PhD 有很多内容要学习吗？
相关的话题
机器学习的解释模型存在嘛？深度学习应用在哪些领域让你觉得「我去，这也能行！」？
时间序列数据上可以抽取哪些频域特征？
如何看待指出 神经网络的训练罪魁祸首是退化一文？
如何理解空洞卷积（dilated convolution）？
数据挖掘、机器学习、自然语言处理这三者是什么关系？这几个怎么入门啊？
如何看待字节跳动 AI 实验室总监李磊入职 UCSB？
在统计学领域有哪些经典奠基性的论文？
Linear least squares, Lasso,ridge regression有何本质区别？
怎样衡量一个机器学习工程师对算法的掌握程度？
如何系统学习机器学习？
编程达到什么水平才能编写出像caffe这样的深度学习框架？
如何评价Kaiming He团队的MoCo v3？
神经网络的万能逼近定理已经发展到什么地步了？
经过足够长的时间， AlphaGo 的棋谱能收敛到一张上吗？
时间序列数据上可以抽取哪些频域特征？
如何直观地解释 backpropagation 算法？
在与贝叶斯相关的马尔可夫链蒙特卡洛方法中，为什么可以最大化后验概率？
怎样用非数学语言讲解贝叶斯定理（Bayes's theorem）？
人工智能就业前景越来越严峻了，你还在坚持吗？
如何全面理解工程师红利？
如何看待 Richard Sutton 说的「人工智能中利用算力才是王道」？
GAN（对抗生成网络）可以被用于哪些（商业或潜在商业）实际问题？
深度学习工作站中使用AMD的CPU会有问题吗？
t-sne数据可视化算法的作用是啥？为了降维还是认识数据？
推荐系统应该如何保障推荐的多样性？
如何看待MXNet获得amazon官方支持首位？
如何评价 Kaiming He 在 ICCV 2017 上拿下双 Best 的 paper？
做底层 AI 框架和做上层 AI 应用，哪个对自己的学术水平（或综合能力）促进更大？
联邦学习在机器学习领域有什么独立存在的价值?