这一系列（机器学习的数学基础）主要包括目前学习过程中回过头复习的基础数学知识的总结。基础知识：conjugate priors共轭先验    共轭先验是指这样一种概率密度：它使得后验概率的密度函数与先验概率的密度函数具有相同的函数形式。它极大地简化了贝叶斯分析。    如何解释这句话。由于    P(u|D) = p(D|u)p(u)/p(D)   （1.0式）    其中D是

图像表示往往基于如下最小化问题：

聚类系列：聚类(序)----监督学习与无监督学习聚类(1)----混合高斯模型 Gaussian Mixture Model聚类(2)----层次聚类 Hierarchical Clustering聚类(3)----谱聚类 Spectral Clustering--------------------------------      聚

聚类系列：聚类(序)----监督学习与无监督学习聚类(1)----混合高斯模型 Gaussian Mixture Model聚类(2)----层次聚类 Hierarchical Clustering聚类(3)----谱聚类 Spectral Clustering-------------------------------- 不管是GMM，还

这一系列（机器学习的数学基础）主要包括目前学习过程中回过头复习的基础数学知识的总结。基础知识：conjugate priors共轭先验    共轭先验是指这样一种概率密度：它使得后验概率的密度函数与先验概率的密度函数具有相同的函数形式。它极大地简化了贝叶斯分析。    如何解释这句话。由于    P(u|D) = p(D|u)p(u)/p(D)   （1.0式）    其中D是