南瓜书公式学习
文章平均质量分 90
dengkeaway
这个作者很懒,什么都没留下…
展开
-
南瓜书公式详解----第九章 (聚类,高斯混合聚类)
聚类原创 2024-08-27 09:46:22 · 736 阅读 · 0 评论 -
南瓜书公式详解------第十四章-1(贝叶斯网络、概率图模型)
概率图模型(Probabilistic Graphical Model,PGM)是一组用于表示和计算多个随机变量之间复杂关系的模型。这些模型利用图论中的节点和边来表示变量及其条件依赖关系,从而简化了概率推理和学习任务。以下是概率图模型的一些关键概念和类型:节点(Nodes):表示随机变量,可以是离散的或连续的。边(Edges):表示变量之间的依赖关系。如果两个节点之间有直接的边相连,这意味着它们之间存在直接的概率依赖。图(Graph):由节点和边组成的整体结构,可以是无向的或有向的。有向图(Directed原创 2024-08-19 14:30:08 · 606 阅读 · 0 评论 -
南瓜书公试详解------第十一章(特征选择)
式11.1(信息增益)Gain(A)=Ent(D)−∑v=1V∣Dv∣∣D∣Ent(Dv)\operatorname{Gain}(A)=\operatorname{Ent}(D)-\sum_{v=1}^{V} \frac{\left|D^{v}\right|}{|D|} \operatorname{Ent}\left(D^{v}\right)Gain(A)=Ent(D)−v=1∑V∣D∣∣Dv∣Ent(Dv)这个公式是信息增益(Information Gain)的计算公式,它是决策树算法中用来原创 2024-08-16 16:50:11 · 684 阅读 · 0 评论 -
南瓜书公式详解------第十二章-1(泛化误差、经验误差、一些不等式、PAC学习)
不等式原创 2024-08-16 14:32:51 · 882 阅读 · 0 评论 -
南瓜书公式详解------第七章(贝叶斯)
贝叶斯原创 2024-08-16 12:19:53 · 768 阅读 · 0 评论 -
南瓜书公式详解------第六章-1(支持向量机1)
SVM细节-1原创 2024-08-16 09:03:41 · 795 阅读 · 0 评论 -
南瓜书公式详解------第6章2(支持向量机2)
支持向量机-2原创 2024-08-16 10:52:20 · 730 阅读 · 0 评论 -
南瓜书公式详解------第五章(反向传播、波尔兹曼机)
南瓜书第五章关键公式详细解释原创 2024-08-15 16:25:02 · 646 阅读 · 0 评论 -
南瓜书公式详解------第四章(信息熵、信息增益、基尼系数、互信息)
第四章公式详细解释原创 2024-08-15 15:56:44 · 1094 阅读 · 0 评论 -
南瓜书公式详解------第三章(线性回归、逻辑回归)
第三章公式详细解释原创 2024-08-15 15:02:55 · 874 阅读 · 0 评论 -
南瓜书公式详解-----第二章(3个公式 模型评估、方法)
第二章重要公式解释原创 2024-08-15 14:13:20 · 505 阅读 · 0 评论 -
南瓜书公式详解--------第一章绪论(1个公式)
的表达式,通常称为“离线期望”(Out-of-Time Expectation),在机器学习中,特别是在评估模型的泛化能力时使用。这个公式可能在讨论集成学习、强化学习或其他需要评估模型在未知数据上表现的场景中出现。:这是对所有不在数据集 $X $中的样本 $\boldsymbol{x} $的求和,其中 $\mathcal{X} $表示所有可能的样本空间。在该样本上的预测不一致的概率,然后对所有这些概率进行加权求和,其中权重是样本。:这是在给定数据集 $X $和模型 $f $的情况下,对于某个损失函数。原创 2024-08-15 13:37:47 · 895 阅读 · 0 评论