Machine Learning
CoSineZxc
这个作者很懒,什么都没留下…
展开
-
决策树与随机森林理论与实现(一)
决策树与随机森林理论与实现(一)决策树决策树是一种依据多种特征依次进行划分以达到对训练数据的分类。特点与线性模型相比,树形结构可对数据进行非线性分割接近人的思维,有可视化的划分规则,具有可解释性适合处理离散数据结构树状结构,根节点,若干内部节点以及若干叶节点根节点代表全集,叶节点代表决策结果,内部节点代表一个属性测试父子节点之间的关系表示为父节点对应的样本集合根据自身的属...原创 2019-03-29 17:15:06 · 958 阅读 · 0 评论 -
决策树与随机森林理论与实现(二)
决策树与随机森林理论与实现(二)决策树理论方面内容:决策树与随机森林理论与实现(一)随机森林集成学习将多个能力较弱的个体学习器结合为一个集成学习器,以提高学习器的泛化性能分为同质;异质同质:所有个体学习器均属于同一类学习器,个体学习器称为基学习器异质:个体学习器之间中了不同个体学习器的要求准确性较高,不同个体之间具有差异由于个体学习器之间不可能互相独立,因此个体学习器...原创 2019-03-29 20:19:41 · 370 阅读 · 0 评论 -
维特比(viterbi)算法与中文词性标注(一)
隐马尔可夫模型(Hidden Markov Model,HMM)马尔科夫假设随机过程中各个状态StS_tSt的概率分布,只与它的前一个状态St−1S_{t-1}St−1有关,即P(St∣S1,S2,S3,…,St−1)=P(St∣St−1)P(S_t|S_1,S_2,S_3,…,S_{t-1}) = P(S_t|S_{t-1})P(St∣S1,S2,S3,…,St−1)=P(S...原创 2019-04-11 23:12:39 · 1854 阅读 · 0 评论 -
维特比(viterbi)算法与中文词性标注(二)
维特比(viterbi)算法对于HMM模型的相关简介:维特比(viterbi)算法与中文词性标注(一)——————隐马尔科夫模型问题描述针对HMM模型的第二类问题,根据模型及输出序列,判断状态序列;使用的方法即为维特比(viterbi)算法简介一种动态规划算法,以求出篱笆网络的有向图最短路径对于隐马尔科夫链,图的节点代表状态,节点间的路径代表状态转移,路径的权值代表状态转移的概率动...原创 2019-04-11 23:14:48 · 1230 阅读 · 1 评论 -
反向传播(BackPropagation)与梯度下降(Gradient Descent)
梯度下降算法(Gradient Descent)在机器学习的模型的训练阶段,对模型反复做的事情就是将训练样本通过模型计算出的结果与实际训练集的标签进行比对,用以修改模型中的参数,直至模型的计算结果与训练集中的结果一致。损失函数为了量化的表现出模型计算结果与实际的差距,因此引入了损失函数(Loss function)用以显示模型的准确率,不断修改模型参数使得损失函数的值降到最小输入:模型...原创 2019-04-20 21:52:21 · 3705 阅读 · 0 评论 -
维特比(viterbi)算法与中文词性标注(三)
viterbi算法用于中文词性标注维特比(viterbi)算法与中文词性标注(一)—— 隐含马尔科夫模型维特比(viterbi)算法与中文词性标注(二)—— 维特比算法任务简述中文词性标注是在中文分词器将文本划分为逐个词汇的基础上,将每个词的词性进行标注输入:李 鹏 在 北京 考察 企业输出:李/nr 鹏/nr 在/p 北京/ns 考察/v 企业/nHMM模型将中...原创 2019-10-31 16:17:22 · 1537 阅读 · 0 评论