Rob Zinkov 的文章

自动边缘化离散变量

PyMC非常适合对具有离散潜在变量的模型进行采样。但如果你坚持只使用NUTS采样器，你需要以某种方式消除离散变量。最好的方法是边缘化它们，这样你可以受益于Rao-Blackwell定理，并获得参数的较低方差估计。

阅读更多 ...

自动边缘化离散变量

PyMC非常适合对具有离散潜在变量的模型进行采样。但如果你坚持只使用NUTS采样器，你需要以某种方式消除离散变量。最好的方法是边缘化它们，这样你可以受益于Rao-Blackwell定理，并获得参数的较低方差估计。

阅读更多 ...

自动边缘化离散变量

PyMC非常适合对具有离散潜在变量的模型进行采样。但如果你坚持只使用NUTS采样器，你需要以某种方式消除离散变量。最好的方法是边缘化它们，这样你可以受益于Rao-Blackwell定理，并获得参数的较低方差估计。

阅读更多...

自动边缘化离散变量

PyMC非常适合对具有离散潜在变量的模型进行采样。但如果你坚持只使用NUTS采样器，你需要以某种方式消除离散变量。最好的方法是边缘化它们，这样你可以受益于Rao-Blackwell定理，并获得参数的较低方差估计。

阅读更多...

用于个性化推荐的概率矩阵分解

所以你在Netflix上浏览想看的内容，但就是不喜欢这些推荐。你觉得自己可以做得更好。你只需要收集一些自己和朋友的评分数据，并构建一个推荐算法。这个笔记本将指导你完成这个过程！

阅读更多 ...

用于个性化推荐的概率矩阵分解

所以你在Netflix上浏览想看的内容，但就是不喜欢这些推荐。你觉得自己可以做得更好。你只需要收集一些自己和朋友的评分数据，并构建一个推荐算法。这个笔记本将指导你完成这个过程！

阅读更多...

用于个性化推荐的概率矩阵分解

所以你在Netflix上浏览想看的内容，但就是不喜欢这些推荐。你觉得自己可以做得更好。你只需要收集一些自己和朋友的评分数据，并构建一个推荐算法。这个笔记本将指导你完成这个过程！

阅读更多 ...

用于个性化推荐的贝叶斯矩阵分解

所以你在Netflix上浏览想看的内容，但就是不喜欢这些推荐。你觉得自己可以做得更好。你只需要收集一些自己和朋友的评分数据，并构建一个推荐算法。这个笔记本将指导你完成这个过程！

阅读更多...