- 博客(4)
- 收藏
- 关注
原创 《机器学习》(Machine Learning)——Andrew Ng 斯坦福大学公开课学习笔记(三)
第5集 生成学习算法(一)生成学习模型:例如:恶性和良性癌症的问题,分别对样本中恶性癌症和良性癌症的特征分别建模,当有新的样本需要判定时,看它是和哪个模型更像,进而预测该样本是良性还是恶性学习p(x|y),p(y)(叫做class prior),通过贝叶斯推理后验概率: 因为p(x) = p(x|y = 1)p(y = 1) + p(x|y =0)p(y = 0)可以通过p(x
2015-08-08 21:58:32 3421
原创 《机器学习》(Machine Learning)——Andrew Ng 斯坦福大学公开课学习笔记(二)
第3集 欠拟合和过拟合的概念一、线性回归的解释,最后一项表示误差项(独立同分布),对前面未被建模的因素进行考虑,一般误差项的加和,根据中心极限定理,符合高斯分布推出: 注意:分号表示(频率学派的观点,逗号则是贝叶斯学派的观点),以theta为参数的概率,theta不是随机变量,而是有真正数值但未知。然后最大似然求解二、Locally weigh
2015-08-06 21:02:46 2092
原创 《机器学习》(Machine Learning)——Andrew Ng 斯坦福大学公开课学习笔记(一)
看到蘑菇街招聘的一个加分项是学过Andrew Ng的机器学习课程,于是找来看了下目录,大多数内容之前在PRML中有接触过,研究生课程智能信息处理中也有接触,但觉得不够系统,于是按斯坦福的公开课课表过一遍,有个完整的框架。————————————————————————————第1集 机器学习的动机与应用 Arthur Samuel(1959)Machine Learning:F
2015-08-05 16:24:31 4893
转载 Logistic Regression 模型简介
Logistic Regression 模型简介FIN2015-05-08 18:00逻辑回归(Logistic Regression)是机器学习中的一种分类模型,由于算法的简单和高效,在实际中应用非常广泛。本文作为美团机器学习InAction系列中的一篇,主要关注逻辑回归算法的数学模型和参数求解方法,最后也会简单讨论下逻辑回归和贝叶斯分类的关系,以及在多分类问题上的推广。
2015-08-04 09:02:23 486
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人