- 博客(8)
- 资源 (7)
- 收藏
- 关注
转载 先验概率、似然函数、后验概率、贝叶斯公式
10.8.1 先验概率、似然函数、后验概率、贝叶斯公式联合概率的乘法公式:(如果随机变量是独立的,则)由乘法公式可得条件概率公式:,全概率公式:,其中(,则可轻易推导出上式)贝叶斯公式:又名后验概率公式、逆概率公式:后验概率=似然函数×先验概率/证据因子。解释如下,假设我们根据“手臂是否很长”这个随机变量(取值为“手臂很长”或“手臂不长”)的观测样本数据来分析远处一
2015-07-27 14:59:16 876 1
转载 Softmax回归
Softmax回归Contents [hide]1 简介2 代价函数3 Softmax回归模型参数化的特点4 权重衰减5 Softmax回归与Logistic 回归的关系6 Softmax 回归 vs. k 个二元分类器7 中英文对照8 中文译者简介在本节中,我们介绍Softmax回归模型,该模型是logist
2015-07-24 20:59:35 254
转载 神经网络
概述以监督学习为例,假设我们有训练样本集 ,那么神经网络算法能够提供一种复杂且非线性的假设模型 ,它具有参数 ,可以以此参数来拟合我们的数据。为了描述神经网络,我们先从最简单的神经网络讲起,这个神经网络仅由一个“神经元”构成,以下即是这个“神经元”的图示:这个“神经元”是一个以 及截距 为输入值的运算单元,其输出为 ,其中函数 被称为“激活
2015-07-18 21:40:59 258
原创 拟人退火算法解3SAT
拟人退火算法解3SAT一、问题描述3-SAT是SAT问题的一个特殊例子,当所有子句都刚好包含三个变量时,此类问题叫3-SAT问题。该问题相对于SAT问题,看似复杂度降低,但仍为NPC问题。由于其苛刻的条件(子句由三个变量组成),使其更容易归约到其他问题,因此比起SAT问题,3-SAT在NPC问题的证明中用得更加广泛。二、算法模拟退火算法:模拟退火算法来源于固体退火原理,将固体加
2015-07-12 15:18:13 1095
原创 最小二乘法及带约束条件的最小二乘法(空间约束和L2约束)
clc;clear;n = 50; N = 1000;x = linspace(-3,3,n)'; X = linspace(-3,3,N)';pix = pi*x;y = sin(pix)./(pix) + 0.1*x + 0.05*randn(n,1);%%%3.2% p(:,1) = ones(n,1);P(:,1)= ones(N,1);% for j= 1:15%
2015-07-06 21:20:44 9346 1
转载 LIBSVM与LIBLINEAR(二)
LIBSVM与LIBLINEAR(二)模型与优化LIBSVM和LIBLINEAR都提供了多种不同的模型供使用者选择,不同的模型有各自适用的场景。下面分别介绍LIBSVM和LIBLINEAR所提供的各种模型。LIBSVM下面是LIBSVM帮助内容提供的介绍,给出了LIBSVM支持的5种模型。其中模型0和1对应的都是SVM的分类模型,2对应的是one-cla
2015-07-02 14:31:09 912
原创 ONE-CLASS SVM FOR LEARNING IN IMAGE RETRIEVAL
One Class SVM 是指你的training data 只有一类positive (或者negative)的data, 而没有另外的一类。在这时,你需要learn的实际上你training data 的boundary。而这时不能使用 maximum margin 了,因为你没有两类的data。 所以呢,在这边文章中,“Estimating the support of a high-
2015-07-02 14:16:51 736
转载 SVM入门(七)为何需要核函数
生存?还是毁灭?——哈姆雷特可分?还是不可分?——支持向量机之前一直在讨论的线性分类器,器如其名(汗,这是什么说法啊),只能对线性可分的样本做处理。如果提供的样本线性不可分,结果很简单,线性分类器的求解程序会无限循环,永远也解不出来。这必然使得它的适用范围大大缩小,而它的很多优点我们实在不原意放弃,怎么办呢?是否有某种方法,让线性不可分的数据变得线性可分呢?有!其思想说来也
2015-07-02 11:58:41 257
电子设计大赛作品包含33个作品
2010-08-25
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人