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
能否介绍一下强化学习（Reinforcement Learning），以及与监督学习的不同？新手如何入门pytorch？
为什么计算机科学专业背景的人喜欢黑机器学习？
如何看待 Alex Smola 加入 Amazon？
人工「神经网络」技术在信息处理上有何特点，工作原理是什么？
当前（2020年）机器学习中有哪些研究方向特别的坑？
时间序列数据上可以抽取哪些频域特征？
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？
为什么有些学数学的看不惯甚至鄙视 Deep Learning？
如何评价第一局比赛 AlphaGo 战胜李世石？
下一个讨论
数学 PhD 有很多内容要学习吗？
相关的话题
深度学习的多个loss如何平衡？人们是如何想到奇异值分解的？
机器学习该怎么入门？
网络上一位长者提出了“完全不依靠人工神经网络与机器学习算法实现人工智能”的理论，大家怎么看？
计算机视觉和自然语言处理，哪个更具有发展前景呢，还是各有千秋呢？
最大似然估计法是如何实现的？
机器学习中使用正则化来防止过拟合是什么原理？
如何看待学霸君的高考机器人 Aidam 高考全国文科数学卷考了 134 分？
如何理解深度学习中的deconvolution networks？
能否训练一个AI模型来预测房价，寻找投资机会挖掘价值洼地？
为什么C4.5决策树能处理连续特征，ID3树不能处理连续特征？
Yann LeCun、Geoffrey Hinton或Yoshua Bengio能得图灵奖吗？
极大似然估计一定是相合估计吗？
神经网络中，bias有什么用，为什么要设置bias，当加权和大于某值时，激活才有意义？
如何评价亚马逊AI新开源自动机器学习项目AutoGluon?
在优化问题里，强化学习相比启发式搜索算法有什么好处？
Deep Learning 的专家如此急缺，它难在何处？
如何评价Yann LeCun宣称『他已经做好放弃概率论的准备』？
在迁移学习中，只有fine-tune和基于实例的迁移可用在小样本上吗，还有其他的小样本迁移方法吗？
深度学习如何入门？
人们是如何想到奇异值分解的？
有哪些贝叶斯推理入门的书籍？
实验室一块GPU都没有怎么做深度学习？
时间序列和回归分析有什么本质区别？
2020年，多标签学习（multi-label）有了哪些新的进展？
如何对用户进行聚类分析？
学习人工智能，术语看不懂怎么办？
研究推荐系统要对NLP很了解吗？
xgboost原理？
如何评价微软新出的自拍软件 Microsoft Selfie？