![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
大数据机器学习
研究生基础课程,主要内容
爱学习的柏少
AI 医疗图像 研一小白
展开
-
大数据机器学习(五)朴素贝叶斯法
朴素贝叶斯法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。贝叶斯决策理论方法是统计模型决策中的一个基本方法,其基本思想是:1、已知类条件概率密度参数表达式和先验概率。2、利用贝叶斯公式转换成后验概率。3、根据后验概率大小进行决策分类。朴素就是指做了一个条件独立性假设...原创 2021-01-10 15:25:19 · 392 阅读 · 0 评论 -
大数据机器学习(四)K-近邻算法
K-近邻算法(K-nearest neighbor,KNN)实质:找k个最近的邻居,人多取胜(问题是k值该取多少怎么确定)三个基本要素:k值的选择距离度量分类决策准则k值的选择k小,模型复杂,容易过拟合,学习的估计误差大k大,学习的近似误差会增大距离度量来个形象的图表示一下算法特点• 优点①精度高 ②对异常值不敏感 ③无数据输入假定• 缺点① 计算复杂度高 ②空间复杂度高③适用数据范围 ④ 数值型和标称型...原创 2020-10-12 13:59:21 · 224 阅读 · 0 评论 -
大数据机器学习(三)感知机
感知机 Perceptron1957年罗森布拉特提出,是神经网络和SVM的基础实质:空间分离超平面模型:判别模型策略:基于误分类的损失函数算法:利用梯度下降法对损失函数进行极小化;简单易行;有原始形式和对偶形式其中ω是权重将感知机唯一化,就变成了支持向量机如何定义损失函数?其中M为误分类点的数目...原创 2020-10-12 08:57:09 · 186 阅读 · 0 评论 -
大数据机器学习(二)统计学习与机器学习概论
1.课程提纲一共八个部分,来自李航统计学习、周志华西瓜书等。2.统计学习(1)什么是统计学习statistical learning:是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科。其特点包括以下:(2)统计学习的对象:数据(data)数据:计算机及互联网上的各种数字、文字、图像、视频、音频数据以及它 们的组合。数据的基本假设是同类数据具有一定的统计规律性。(3)统计学习的目的:预测&分析用于对数据(特别是未知数据)进行预测和分析如何实现?**原创 2020-09-27 17:08:22 · 320 阅读 · 0 评论 -
大数据机器学习(一)概述
2020.09.17 星期三课程笔记1.学习资源(1)在线课程①清华学堂在线-袁春老师的《大数据机器学习》②李宏毅的机器学习课程(中文)③林轩田《机器学习基石上下》(中文)④CV Stanford Li Feifei CS231N⑤NLP Stanford CS224N⑥Machine Learning: Andrew Ng 个人推荐这个可以看看⑦Neural Networks for Machine Learning: Geoffrey E. Hinton(2)参考书原创 2020-09-24 15:41:57 · 1934 阅读 · 0 评论