文档摘要

5.5 计算机科学与 AI：MCMC、PageRank 与随机梯度 本节摘要：机器学习把随机过程理论反向使用：不再"给定模型算性质"，而是"想要某个分布，就造一条以它为平稳分布的马尔可夫链"。本节拆解三个代表：MCMC 把第 3 章的遍历定理变成采样引擎；PageRank 把平稳分布变成十亿页面的排序；随机梯度下降把泊松式的随机性变成优化算法的燃料。三者的共同哲学：拥抱随机，因为确定性的代价付不起。 会员。《5.5 计算机科学与 AI：MCMC、PageRank 与随机梯度》收录于灏天文库文集《随机过程》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/806-%E9%9A%8F%E6%9C%BA%E8%BF%87%E7%A8%8B

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流