Section Probabilistic Machine Learning berisi materi 5 chapter. Lihat machine learning dari kacamata peluang: teorema Bayes, maximum likelihood, Gaussian mixture model, dan kalibrasi probabilitas.

# Pandangan Probabilistik atas Machine Learning

Modelkan ketidakpastian dengan distribusi peluang alih-alih prediksi tunggal.

Buka → # Teorema Bayes untuk Machine Learning

Perbarui keyakinan seiring bukti baru datang dengan aturan Bayes.

Buka → # Maximum Likelihood Estimation

Turunkan parameter model dengan memaksimalkan peluang observasi data.

Buka → # Gaussian Mixture Model

Modelkan data sebagai campuran beberapa distribusi normal dengan algoritme EM.

Buka → # Kalibrasi Probabilitas Model

Pastikan probabilitas keluaran model sesuai frekuensi kejadian nyata.

Buka →