ai講師人工智能講師葉梓《人工智能概念入門》機器學習深度學習講師-15

課件爲人工智能講師葉梓人工智能基礎課程之一，接上一篇，更多課程，及老師資料可點擊 個人主頁

 

（人工智能基礎課件29頁）

MLE示例

1. 如圖所示，有兩枚硬幣A、B，每一個實驗隨機取一枚拋擲10次，共5個實驗。
2. 如果我們可觀測到每一次所取的硬幣，就可根據極大似然估計求解參數A、B爲正面的概率θ=(θA,θB)，。

（30頁）

高斯分佈的MLE示例

1. import numpy as np
2. import matplotlib.pyplot as plt
3. fig = plt.figure()
4. mu = 30  # mean of distribution
5. sigma = 2  # standard deviation of distribution
6. x = mu + sigma * np.random.randn(10000)
7. def mle(x):
8.     u = np.mean(x)
9.     return u, np.sqrt(np.dot(x - u, (x - u).T) / x.shape[0])
10. print(mle(x))
11. num_bins = 100
12. plt.hist(x, num_bins)
13. plt.show()

（未完，下一篇繼續）課件爲人工智能講師葉梓人工智能基礎課程之一，接上一篇，更多課程，及老師資料可點擊 個人主頁

 

由於小編專業能力有限，無法將老師課件編輯成文章。供一定基礎的同學將系列課件下載整理

————————————————