![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 72
峰峰517
萌萌哒
展开
-
生成模型和判别模型的区别
生成模型与判别模型 一、决策函数Y=f(X)或者条件概率分布P(Y|X) 监督学习的任务就是从数据中学习一个模型(也叫分类器),应用这一模型,对给定的输入X预测相应的输出Y。这个模型的一般形式为决策函数Y=f(X)或者条件概率分布P(Y|X)。 决策函数Y=f(X):你输入一个X,它就输出一个Y,这个Y与一个阈值比较,根据比较结果判定X属于哪个类别。例如两类(w转载 2015-02-05 10:07:39 · 507 阅读 · 0 评论 -
论文读后感,关于机器学习实践过程中应该注意的问题
越简单越好,是建立在模型同等解释力度的基础上的。 数据泄露的问题,评估的时候不能用测试数据去优化模型,或则说一般而言,不能即做测试有做训练(但是有那种预测 完后回馈改进的模型存在) 抽样偏差,意思就是务必满足独立同分布,对训练集来说 对于一个具体的机器学习任务而言,当我们数据比较少的时候,没得说,合理的方法是一个一个试各种模型,对它们的效果进行比较后再选取最佳模型,但是如果数据量比较大,显原创 2015-03-03 09:43:34 · 452 阅读 · 0 评论 -
熵各个概念的直观理解
信息熵其实解决的问题是信息量应该怎么量化,它的公式是 H =-(p1log2(p1)+p2log2(p2)+…..pnlog2(pn) 这个公式的含义是什么呢,举一个数学之美上的例子,马上要举行世界杯赛了。大家都很关心谁会是冠军。假如我错过了看世界杯,赛后我问一个知道比赛结果的观众“哪支球队是冠军”?他不愿意直接告诉我,而要让我猜,并且我每猜一次,他要收一元钱才肯告诉我是否猜对原创 2015-04-26 11:26:21 · 621 阅读 · 0 评论 -
生成学习模型概述
在有监督学习里,总的来说有两种学习模型,第一种是判别学习模型,它直接针对我们给的数据,找出不同类数据在特征上的不同,更形象点说,就是直接在特征空间内画圈圈三角形之类的,把不同的类别给分开。第二种是生成学习模型,它的目的是为啦找到数据究竟是肿么生成的,它背后的机理是什么?有一种就是从概率的角度研究数据的生成方式,说的有点虚,实际点就是求特征和类标签的联合概率分布,然后通过比较最大后验概率的形式得出最原创 2015-04-25 13:51:32 · 926 阅读 · 0 评论 -
2015-05-05
认知、流形与虚实世界 - Zero2One .post p {text-indent: 2em;} .post li p, .post ol p, .post ul p, .post blockquote p{text-indent: 0em} @media (max-width: 480px){ .post p img:first-child {margin-left:-2em} }转载 2015-07-01 09:49:54 · 677 阅读 · 0 评论