Séance de cours

Fin de la dérivation M-step

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

MATH-412: Statistical machine learning

A course on statistical machine learning for supervised and unsupervised learning ...

Description

Cette séance de cours couvre la dérivation de l'étape M pour mu_k et Sigma_k, en se concentrant sur le gradient, la somme, l'inverse et la probabilité. Les diapositives présentent des formules et des expressions étape par étape, en mettant en évidence les quantités clés et la trace des matrices impliquées.

Enseignant·e

Yoav Zemel

Source officielle

Concepts associés (28)

Fonction de vraisemblance

vignette|Exemple d'une fonction de vraisemblance pour le paramètre d'une Loi de Poisson En théorie des probabilités et en statistique, la fonction de vraisemblance (ou plus simplement vraisemblance) est une fonction des paramètres d'un modèle statistique calculée à partir de données observées. Les fonctions de vraisemblance jouent un rôle clé dans l'inférence statistique fréquentiste, en particulier pour les méthodes statistiques d'estimation de paramètres.

Likelihood principle

In statistics, the likelihood principle is the proposition that, given a statistical model, all the evidence in a sample relevant to model parameters is contained in the likelihood function. A likelihood function arises from a probability density function considered as a function of its distributional parameterization argument.

Classe trace

En mathématiques, un opérateur de classe trace, ou opérateur à trace, est un opérateur compact pour lequel on peut définir une trace au sens de l’algèbre linéaire, qui est finie et ne dépend pas de la base. En s’inspirant de la définition dans le cas de la dimension finie, un opérateur borné A sur un espace de Hilbert séparable est dit de classe trace si dans une certaine base hilbertienne {ek}k (et donc dans toutes) de H, la série à termes positifs suivante converge où (A* A) désigne la racine carrée de l' A* A.

Trace (algèbre)

En algèbre linéaire, la trace d'une matrice carrée A est définie comme la somme de ses coefficients diagonaux et souvent notée Tr(A). La trace peut être vue comme une forme linéaire sur l'espace vectoriel des matrices. Elle vérifie l'identité : Tr(AB) = Tr(BA), et est en conséquence invariante par similitude. De façon voisine, si u est un endomorphisme d'un espace vectoriel de dimension finie sur un corps commutatif K, on peut définir la trace de l'opérateur u, par exemple comme trace de sa matrice dans n'importe quelle base.

Matrices de Pauli

Les matrices de Pauli, développées par Wolfgang Pauli, forment, au facteur i près, une base de l'algèbre de Lie du groupe SU(2). Elles sont définies comme l'ensemble de matrices complexes de dimensions suivantes : (où i est l’unité imaginaire des nombres complexes). Ces matrices sont utilisées en mécanique quantique pour représenter le spin des particules, notamment dès 1927 dans l'étude non-relativiste du spin de l'électron : l'équation de Pauli.

Afficher plus

Séances de cours associées (64)

Test du rapport de vraisemblance : Détection et estimation

Couvre le test de rapport de vraisemblance pour la détection et l'estimation dans l'analyse statistique.

Probabilité d'un train à pics MOOC: Dynamique neuronale - Neuroscience computationnelle des neurones uniques

Discute de la probabilité que les trains à pics soient basés sur des modèles générateurs et des calculs de log-probabilité à partir des données observées.

Test du rapport de probabilité : test d'hypothèse

Couvre les méthodes de test du rapport de vraisemblance et de test d'hypothèse à l'aide d'estimations maximales de vraisemblance.

Transformations linéaires : matrices et noyaux

Couvre les transformations linéaires, les matrices, les noyaux et les propriétés des matrices inversible.

Algèbre linéaire : matrices et opérations

Introduit des concepts clés en algèbre linéaire, y compris les matrices, les opérations et les invariants numériques.

Afficher plus

Concepts associés (28)

Fonction de vraisemblance