机器学习算法基础
机器学习算法基础
csdnshenjiaye
这个作者很懒,什么都没留下…
展开
-
Task5 svm
学习内容 SVM 硬间隔原理 SVM 软间隔 SMO 求解SVM 代码设计 1、硬间隔 本文是需要一定基础才可以看懂的,建议先看看参考博客,一些疑惑会在文中直接提出,大家有额外的疑惑可以直接评论,有问题请直接提出,相互交流。 SVM-统计学习基础 一开始讲解了最小间距超平面:所有样本到平面的距离最小。而距离度量有了函数间隔和几何间隔,函数间隔与法向量$w$和$b$有关,$w$变为$2...原创 2020-05-01 22:14:01 · 220 阅读 · 0 评论 -
Task3 EM
前言 EM算法是机器学习十大算法之一,它很简单,但是也同样很有深度,简单是因为它就分两步求解问题, E步:求期望(expectation) M步:求极大(maximization) 深度在于它的数学推理涉及到比较繁杂的概率公式等,所以本文会介绍很多概率方面的知识,不懂的同学可以先去了解一些知识,当然本文也会尽可能的讲解清楚这些知识,讲的不好的地方麻烦大家评论指出,后续不断改进完善。 EM算...原创 2020-04-26 17:29:46 · 550 阅读 · 0 评论 -
Task02:贝叶斯
知识点梳理 相关概念(生成模型、判别模型) 先验概率、条件概率 贝叶斯决策理论 贝叶斯定理公式 极值问题情况下的每个类的分类概率 下溢问题如何解决 零概率问题如何解决? 优缺点 sklearn参数详解,Python绘制决策树 1. 相关概念 生成模型:在概率统计理论中, 生成模型是指能够随机生成观测数据的模型,尤其是在给定某些隐含参数的条件下。它给观测值和标注数据序列指定一个联...原创 2020-04-23 17:55:38 · 313 阅读 · 0 评论 -
Task01:线性回归
线性回归的概念 1、线性回归的原理 2、线性回归损失函数、代价函数、目标函数 3、优化方法(梯度下降法、牛顿法、拟牛顿法等) 4、线性回归的评估指标 5、sklearn参数详解 1、线性回归的原理 线性回归的一般形式: 极大似然估计(概率角度的诠释) 2、线性回归损失函数、代价函数、目标函数 3、线性回归的优化方法 1、梯度下降法 2、最小二乘法矩阵求解 ...原创 2020-04-20 23:36:11 · 153 阅读 · 0 评论