WARNING: This article may be obsoleteThis post was published in 2021-10-08. Obviously, expired content is less useful to users if it has already pasted its expiration date.
This article is categorized as "Garbage" . It should NEVER be appeared in your search engine's results.Table of Contents
生成模型；生成模型的决策边界
生成模型；生成模型的决策边界
生成模型：Generative model
🔗 https://www.cs.toronto.edu/~jlucas/teaching/csc411/lectures/lec9_handout.pdf
🔗 https://people.eecs.berkeley.edu/~jrs/189/lec/07.pdf
后续更新：这也是一个generative model：
对这个generative model的解释：
在机器学习里，我们通常研究某种形式的模型，它们的函数形式是类似的，只是参数不同)。有了模型，任意给定一个观察序列，我们就有办法(后面会介绍计算方法)计算这个模型产生(这就是所谓的生成式(generative)模型)这个序列的概率。
https://fancyerii.github.io/books/asr-hmm/
（补充）生成模型和判别模型的区别
2022-09-10补充：
现在是Stellaris 3.0版本，你作为（还未激活的）肃正协议，在2250年观察整个银河系的战局状况。不幸的是，由于你的伪装净化中心有限（分布在下图的虚线附近），它们的探测感知范围也有限，所以你只能观察到AB两个政体的一部分（分布于交壤边界的两边）。现在你要推测一下某个遥远L星门属于哪个国家的概率更大（这个L星门的坐标是肃正协议“隐藏”起来之前就知道的）：
判别模型/discriminative model：由于政体交壤的边境线接近一条直线，所以我可以画一条延展的虚线代表判别模型的“判断”，L星门在虚线的哪一边就属于哪个政体的。或者用距离计算也可以（比如：L星门到AB两个国家已观测领土的中心的距离）。如果用距离计算，我们可以得出类似计算结果：P(L星门属于A政体 | L星门属于A或B)=0.48，P(L星门属于B政体 | L星门属于A或B)=0.52 .
生成模型/generative model：正常群星玩家都应该知道，这个L星门大概率属于另一个国家C，或者干脆无人占领。我根据一些经验对AB两个政体进行建模：是否早战？是否和其他国家交战？是否为未觉醒的堕落帝国？游戏开局了多长时间？等等。在现实情况下这两个国家基本上都不太可能拥有L星门（还有其他政体要考虑进去），往往会生成这样的模型：
所以我现在不仅可以推测出 L星门属于AB哪个政体的几率较大 ，还能推测出 L星门属于AB政体的几率有多大 。很多时候我们会计算出P(L星门属于A政体)=0.05，P(L星门属于B政体)=0.065这样小的概率，这样我们还能得知别的信息（L星门有极大概率属于AB以外的其他国家）。
* 上面的内容灵感来自这张经典老图：
* 其他答案可以参考：🔗 [机器学习“判定模型”和“生成模型”有什么区别？ - 知乎] https://www.zhihu.com/question/20446337 .
Maximum likelihood: for linear regression and logistic regression
Maximum likelihood: for linear regression and logistic regression
🔗 [从最大似然估计的角度理解线性回归和逻辑回归_chaunceyliu30的博客-CSDN博客] https://blog.csdn.net/chaunceyliu30/article/details/117897163
🔗 [逻辑回归与最大似然估计推导_糖葫芦君的博客-CSDN博客_逻辑回归最大似然估计] https://blog.csdn.net/yinyu19950811/article/details/81321944
Scalar function（空）
Scalar function
（空白的内容）
Scalar function Newton’s method
Scalar function Newton's method
2023年补充：我是真的不知道当时写了什么垃圾，如果要非常易懂的牛顿法+欧拉法入门学习笔记可以参考：preview p=11748
（有例题）🔗 [Lecture 39 - Multivariable Unconstrained Optimization | Newton's Method (Part 2) | Example - YouTube] https://www.youtube.com/watch?v=dP9NOCj4dPM
🔗 [Chapter 11: Optimization and Newton’s method | Mathematical Preparation for Finance | Softcover.io] https://www.softcover.io/read/bf34ea25/math_for_finance/multivariable_methods
🔗 [说说牛顿迭代 -- 方法篇 - 知乎] https://zhuanlan.zhihu.com/p/218676280
