机器学习
文章平均质量分 93
无尽的沉默
stay foolish,stay hungry
展开
-
线性回归详解
线性回归学习思路一.定义回归是监督学习的一个重要问题,回归用于预测输入变量和输出变量之间的关系,特别是当输入变量的值发生变化时,输出变量的值也随之发生变化。回归模型正是表示从输入变量到输出变量之间映射的函数回归的目的是预测数组型的目标值。线性回归:根据已知的数据集,通过梯度下降的方法来训练线性回归模型的参数w,从而用线性回归模型...原创 2021-03-21 19:16:13 · 19309 阅读 · 1 评论 -
最大熵模型详解
最大熵模型学习过程前言在将最大熵模型之前,先学习一下准备知识。①拉格朗日乘子法②贝叶斯定理Bayes定理用来描述两个条件概率之间的关系。若计P(A)和P(B)分别表示事件A和事件B发生的概率,P(A|B)表示事件B发生的情况下事件A发生的概率,P(A,B)表示事件A和B同时发生的概率,则有:结合1,1,1,2可以得出贝叶斯公式:③熵熵是用来表示随机变量不确定性的度量。H(x)依赖于X的分布,而与X的具体值...原创 2021-03-17 17:50:05 · 20249 阅读 · 2 评论 -
逻辑斯谛回归(Logistic回归)最详解
Logistic回归学习思路一.逻辑回归模型的原理与定义(主要思想)逻辑斯谛回归是经典的分类方法,它属于对数线性模型,原理是根据现有的数据对分类边界线建立回归公式,以此进行分类。(主要思想)定义:在线性回归模型的基础上,使用Sigmoid函数,将线性模型的结果压缩到[0,1]之间,使其拥有概率意义,它可以将任意输入映射到[0,1]...原创 2021-03-14 20:33:44 · 56175 阅读 · 7 评论 -
感知机的详解
一.感知机原理1.1感知机定义是二分类的线性分类模型,其输入为实例的特征向量,输出为实例的类别,取+1或-1.1.2 感知机原理在对应输入空间(特征空间)中,将实例线性划分为正负两类的分离超平面,属于判别模型;若不是线性划分的数据集,则无法获得超平面。数据集的线性可分在给定数据集其中能够将数据集的正实例和负实例完全正确地划分到超平面的两侧,即对所有 yi=1的xi,有w*xi+b>0;对所有yi=-1的xi,有w*xi+b<=0,则称该数据集线性可分,..原创 2020-11-18 11:14:04 · 5315 阅读 · 0 评论