Es difícil saber exactamente lo que estás preguntando. Supongo que lo que está preguntando es algo como: suponga que usa la máxima probabilidad para estimar tanto el vector medio como la matriz de covarianza para algunos datos. También obtendrá una matriz de covarianza para las estimaciones de todas las cantidades tanto en la matriz media como en la matriz de covarianza para la distribución normal multivariada.
Lo que significa esa matriz de covarianza es simplemente: (1) qué tan estrictamente ha estimado cada parámetro (estos serían sus diagonales), y (2) cuánto dependen sus estimaciones de un parámetro de las estimaciones para otro parámetro (estas serían su desactivación entradas digitales).
Por lo tanto, puede calcular la covarianza entre diferentes elementos de la matriz de covarianza de su distribución normal. Sí, esto puede ser confuso, pero el punto clave es que, en MLE, cualquier cosa que sea un parámetro tendrá una estimación de media y varianza y dos parámetros tendrán una estimación de covarianza.
- ¿Cuáles son algunos de los requisitos previos necesarios para aprender el aprendizaje automático o la inteligencia artificial?
- ¿Pueden Kmeans y el algoritmo DBSCAN dar el mismo resultado para un conjunto de datos en particular?
- ¿La gran tecnología dominará los datos y el aprendizaje automático?
- ¿Cuál es el mejor software para Machine Learning y Deep Learning, de acuerdo con el tamaño del conjunto de datos y el sistema?
- ¿Cuándo debo coseno similitud? ¿Se puede usar para la agrupación?
