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
CVPR 2019 有哪些值得关注的亮点？如何评价新Nature子刊Nature Machine Intelligence的出现？
如何评价 马毅教授 的 NeurIPS 2020 中稿文章 MCR2 及 自称弄明白深度学习了？
为什么我用相同的模型，数据，超参，随机种子，在两台服务器会得到不同的结果？
自监督学习（Self-supervised Learning）有什么比较新的思路？
有监督和无监督学习都各有哪些有名的算法和深度学习？
如何判断两个Deep Learning 数据集的数据分布是否一致？
如何看待Capsule Network在NLP领域的潜力？
为什么机器学习解决网络安全问题总是失败?
欧洲有哪些统计机器学习比较强的大学或者研究院的？？
下一个讨论
数学 PhD 有很多内容要学习吗？
相关的话题
除了深度神经网络已经实现的特性以外，大脑还有哪些特性是值得机器学习领域借鉴的？如何将某个分布作为机器学习的特征？
主题模型(topic model)到底还有没有用，该怎么用？
机器学习算法工程师如何自己接项目单干、并赚取比上班多得多的收入？
在中小学阶段设置人工智能相关课程对于培养人工智能人才具有哪些意义？如何推进会比较有效？
精确率、召回率、F1 值、ROC、AUC 各自的优缺点是什么？
xgboost原理？
KL散度衡量的是两个概率分布的距离吗？
机器学习初学者该如何选读适合自己水平的论文？
PRML为何是机器学习的经典书籍中的经典？
如何评价 2018 清华大学特等奖学金计算机大类（贵系、软院、姚班）无人通过一轮筛选？
神经网络分类训练后得到的是连续的数怎么离散？
研一，在学机器学习和深度学习，为什么感觉越学越不会，怎么解决这个问题？
有没有必要把机器学习算法自己实现一遍？
EM算法存在的意义是什么？
Deep Learning 的专家如此急缺，它难在何处？
如何看待 Nervana 被 Intel 收购？
为什么在实际的kaggle比赛中，GBDT和Random Forest效果非常好？
百度学术能否替代 Google 学术网站？有没有其他选择？
百度学术能否替代 Google 学术网站？有没有其他选择？
xgboost原理？
BERT模型可以使用无监督的方法做文本相似度任务吗？
CVPR 2019 有哪些值得关注的亮点？
面试官如何判断面试者的机器学习水平？
支持向量机（SVM）是什么意思？
为何中国人迷恋吴恩达的机器学习课？
深度学习到底是「实验科学」还是「理论科学」？能否称为「算法」？
现在tensorflow和mxnet很火，是否还有必要学习scikit-learn等框架？
使用pytorch时，训练集数据太多达到上千万张，Dataloader加载很慢怎么办?
为什么CV能做到让一幅人脸图动了笑了，而NLP的text-style-transfer进展貌似一般？