- 博客(4)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 机器学习理论与实战（十四）概率图模型02
翻开Jordan和Wainwright著作的书，正文开始（第二章）就说概率图模型的核心就是：分解。的确是这样的，对于复杂的概率图模型，要在复杂交织的变量中求取某个变量的边缘概率，常规的做法就是套用贝叶斯公式，积分掉其他不想干的变量，假设每个变量的取值状态为N，如果有M个变量，那么一个图模型的配置空间就有M^N，指数增长的哦，就这个配置空间已经让我们吃不消了，不可以在多项式时间内计算完成，求边缘概率
2013-08-31 00:00:06
15332
6
原创 机器学习理论与实战（十三）概率图模型01
概率图模型是图论和概率论结合的产物，它的开创者是鼎鼎大名的Judea Pearl,我十分喜欢概率图模型这个工具，它是一个很有力的多变量而且变量关系可视化的建模工具，主要包括两个大方向：无向图模型和有向图模型。无向图模型又称马氏网络，它的应用很多，有典型的基于马尔科夫随机场的图像处理，图像分割，立体匹配等，也有和机器学习结合求取模型参数的结构化学习方法。严格的说他们都是在求后验概率:p(y|x)，即
2013-08-17 16:47:34
16065
2
原创 机器学习理论与实战（十二）神经网络
神经网络又火了，因为深度学习火了，所以必须增加个传统神经网络的介绍,尤其是back propagation算法。很简单，俺也就不舞文弄墨的说复杂咯，神经网络模型如（图一）所示：（图一） （图一）中的神经网络模型是由多个感知器（perceptron）分几层组合而成，所谓感知器就是单层的神经网络（准确的说应该不叫神经网络咯），它只有一个输出节点，如（图二）所示：
2013-08-10 23:15:17
10691
6
原创 机器学习理论与实战（十一）关联规则分析Apriori
《机器学习实战》的最后的两个算法对我来说有点陌生，但学过后感觉蛮好玩，了解了一般的商品数据关联分析和搜索引擎智能提示的工作原理。先来看看关联分析（association analysis）吧，它又称关联规则学习（association rule learning）,它的主要工作就是快速找到经常在一起的频繁项，比如著名的“啤酒”和“尿布”。试想一下，给我们一堆交易数据，每次的交易数据中有不同的商品，
2013-08-04 23:26:50
9462
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人