- 博客(4)
- 资源 (3)
- 收藏
- 关注
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