![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
Miroslav_K
这个作者很懒,什么都没留下…
展开
-
预剪枝和后剪枝
剪枝机器学习的决策树算法,为防止过拟合现象和过度开销,而采用剪枝的方法,主要有预剪枝和后剪枝两种常见方法。预剪枝自顶至下,从根节点开始,如果当前节点展开后的预测效果大于未展开的预测效果,则会展开,否则不展开。优点:算法简单,有效避免过拟合现象。缺点:欠拟合现象严重,比如原本60%的正确率,展开后变成55%,而禁止节点划分,显然不合理。后剪枝自下至上,从叶子节点开始,如果某个节点剪枝后的正确率更高,则进行剪枝,否则不剪枝。优点:有效避免欠拟合现象,正确率较高。缺点:需要先生成完整的决策树,开原创 2022-04-03 20:55:59 · 3010 阅读 · 0 评论 -
隐马尔可夫模型(HMM)
1、基本概念隐马尔可夫模型(Hidden Markov Model,HMM)描述由隐藏的马尔可夫链随机生成观测序列的过程,属于生成模型。HMM是关于时序的概率模型,描述由一个隐藏的马尔可夫链随机生成不可观测的状态随机序列(状态序列),再由各个状态生成一个观测而产生的观测随机序列(观测序列)的过程。2、隐马尔可夫模型的三个基本问题(1) 概率计算问题。给定模型λ=(A,B,π)和观测序列О= (01,02,… ,oT),计算在模型λ下观测序列O出现的概率P(O|A)。(2) 学习问题。已知观测序列О原创 2022-03-27 13:00:29 · 1893 阅读 · 0 评论