课程内容
我有话说
1/1 期望最大化算法（EM）
讲解一类当观测数据不完整、藏有未知隐变量时，如何反向估计模型参数的经典迭代方法。文章用抛硬币的通俗例子讲清参数与隐变量互相依赖、必须交替推断的困境，再说明先猜参数、再估隐变量、然后回代更新并循环逼近似然极大值的整体思路。适合概率统计初学者理解其动机，读完能明白它在高斯混合、缺失数据等场景中为何不可或缺。
本课程以抛硬币估计概率为例讲解EM算法E步估后验、M步更新参数直至收敛的实现，解决隐变量参数估计问题，帮助提升统计建模思维。
讲解一类当观测数据不完整、藏有未知隐变量时，如何反向估计模型参数的经典迭代方法。文章用抛硬币的通俗例子讲清参数与隐变量互相依赖、必须交替推断的困境，再说明先猜参数、再估隐变量、然后回代更新并循环逼近似然极大值的整体思路。适合概率统计初学者理解其动机，读完能明白它在高斯混合、缺失数据等场景中为何不可或缺。
49 分钟 本课程通过高维数据案例讲解PCA方差最大化与协方差矩阵特征分解，解决维度灾难与噪声干扰，帮助学习者完成降维与可视化。
1 小时 6 分钟 本课程通过编译期与运行期常量对比及反汇编验证，讲解C++编译期计算机制，解决运行时重复计算性能浪费，帮助学习者将计算前移至编译期。
42 分钟 本课程通过向量编码与余弦相似度计算，讲解零样本文本分类原理，解决无标注下动态标签与多标签分类，帮助学习者搭建文本分类器。