大家好,继续理论学习,最近开始找工作了,非常忙,只能找零碎时间学习,记录也慢了一点。
1.生成式模型&&判别式模型
判别式模型(Discriminative Model)是直接对条件概率p(y|x;θ)建模。常见的判别式模型有 线性回归模型、线性判别分析、支持向量机SVM、神经网络等。
生成式模型(Generative Model)则会对x和y的联合分布p(x,y)建模,然后通过贝叶斯公式来求得p(yi|x),然后选取使得p(yi|x)最大的yi。常见的生成式模型有 隐马尔可夫模型HMM、朴素贝叶斯模型、高斯混合模型GMM、LDA等。
2.GBDT
GBDT全称梯度提升决策树(Gradient Boosting Decision Tree,GBDT)。既可用于分类也可用于回归。其本质是使用CART树作为弱学习器的boosting算法。
Fm−1(x)为当前的模型,gbdt 通过经验风险极小化来确定下一个弱分类器的参数。具体到损失函数本身的选择也就是L的选择,有平方损失函数,0-1损失函数,对数损失函数等等。如果我们选择平方损失函数,那么这个差值其实就是我们平常所说的残差。对损失函数的梯度使用梯度下降法。
具体的可以参考这位大佬的文章:
我们下期见!