- 博客(3)
- 收藏
- 关注
原创 贝叶斯
**贝叶斯贝叶斯决策论贝叶斯决策就是在不完全情报下,对部分未知的状态用主观概率估计,然后用贝叶斯公式对发生概率进行修正,最后再利用期望值和修正概率做出最优决策。朴素贝叶斯分类器朴素贝叶斯分类器是一系列以假设特征之间强(朴素)独立下运用贝叶斯定理为基础的简单概率分类器。该分类器模型会给问题实例分配用特征值表示的类标签,类标签取自有限集合。它不是训练这种分类器的单一算法,而是一系列基于相同原理的算法:所有朴素贝叶斯分类器都假定样本每个特征与其他特征都不相关。贝叶斯网贝叶斯网络又称信度
2020-09-08 22:16:11
239
原创 VGG网络结构特点
VGG简单介绍VGG简介模型的名称——“VGG”代表了牛津大学的Oxford Visual Geometry Group,该小组隶属于1985年成立的Robotics Research Group,该Group研究范围包括了机器学习到移动机器人。下面是一段来自网络对同年GoogLeNet和VGG的描述:“GoogLeNet和VGG的Classification模型从原理上并没有与传统的CNN模型有太大不同。大家所用的Pipeline也都是:训练时候:各种数据Augmentation(剪裁,不同大小,调亮
2020-08-03 18:24:24
3609
原创 K-means算法
K-means算法及其原理原理一. 算法步骤 1. 根据设定的聚类数 K ,随机地选择 K 个聚类中心(Cluster Centroid) 2. 评估各个样本到聚类中心的距离,如果样本距离第 i 个聚类中心更近,则认为其属于第 i 簇 3. 计算每个簇中样本的平均(Mean)位置,将聚类中心(质心)移动至该位置 4. 重复2-3次直到质心不在发生变化注意:某些聚类中心可能没有被分配到样本,这样的聚类中心就会被淘汰(意味着最终的类数可能会减少)二. 算法原理随机选择k
2020-07-14 16:23:08
158
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