クラシックな機械学習入門 １ 導入

2.  情報源を記号列（例えば単語列 あるいは文字列）とする  Noisy Channel Model 機械学習の先史時代 --情報の変換過程のモデル化-- 情報源記号 列：t tx 情報変換 雑音（N(0,σ2) etc) 推定処理 :推定さ れた情報 源記号列 出力された記号 列＝推定処理 への入力 x 出力された記号列＝推定処理への入力データxから 情報源記号列tを推定し を計算する tˆ tˆ 3.  Bayesの定理  P(t|x)は、新たな出力記号列xが得られたときの情 報源から出力された記号列 t を推定する式で、これ を最大化する t すなわち を求めるのが目標。  ところが、このままでは、既に得られている情報を 使えないので、Bayesの定理で変換する。  すると、既知の情報源状態と出力記号列のペアに 関する条件付き確率P(x|t) （＝教師データ）  情

[moguno]

koda3 wrote: 1件のコメント http://t.co/5oFTmiCJwA “クラシックな機械学習入門　１　導入” http://t.co/lkunvR3Sez

[Hash]

このシリーズすごいわかりやすい