人工智能
文章平均质量分 87
安小兴先生
这个作者很懒,什么都没留下…
展开
-
复习回归模型
回归模型(regression model)对统计关系进行定量描述的一种数学模型。回归模型是一种预测性的建模技术,它研究的是因变量(目标)和自变量(预测器)之间的关系。这种技术通常用于预测分析,时间序列模型以及发现变量之间的因果关系。例如,司机的鲁莽驾驶与道路交通事故数量之间的关系,最好的研究方法就是回归。(from [参考1])回归模型的要素自变量(数量——一个(元)或者多个(元))因变量(类型——连续或者离散(二进制))回归线的形状(拟合程度——线性或者非线性)表达式损失函数评估指.原创 2021-09-19 12:29:36 · 689 阅读 · 0 评论 -
逻辑回归(LR)总结
逻辑回归(logistic regression)性质针对二分类问题基于条件概率出发线性回归函数(y=wTx+by=w^Tx+by=wTx+b 和 逻辑函数(y=11+e−xy=\frac {1} {1+e^{-x}}y=1+e−x1)组合是线性分类器(决策边界决定了LR是线性分类器)计算过程对于二分类问题p(y=1∣x,w)=11+e−(wTx+b)p(y=0∣x,w)=e−(wTx+b)1+e−(wTx+b)p(y=1| x, w) = \frac {1} {1+e^{-(w原创 2021-06-03 18:15:27 · 116 阅读 · 0 评论 -
机器学习算法概论
线性回归(Linear Regression)线性回归应该是统计学和机器学习中最知名和最易理解的算法之一。由于预测建模主要关注最小化模型的误差,或者以可解释性为代价来做出最准确的预测。线性回归用一个等式 y = B0 + B1 * x 表示,通过找到输入变量的特定权重(B),来描述输入变量(x)与输出变量(y)之间的线性关系。给定输入x,我们将预测y,线性回归学习算法的目标是找到系数B0和B1的值。可以使用不同的技术从数据中学习线性回归模型,例如用于普通最小二乘和梯度下降优化的线性代数解。线性回原创 2021-03-03 18:53:31 · 275 阅读 · 1 评论 -
自然语言处理常见算法与模型
熟悉自然语言处理常见算法与模型语言模型MaxEnt:Maximum Entropy Models最大熵模型CRF:条件随机场pLSA:LDAw2vCNNRNN原创 2020-07-10 12:02:07 · 980 阅读 · 0 评论 -
信息熵、最大熵模型
信息熵(Information Theory)信息熵是什么信息熵的概念在统计学习与机器学习中非常重要, 本文主要罗列一些基于信息熵的概念及其意义。信息熵是一个数学上颇为抽象的概念, 是概率论与数理统计的一个分枝。信息熵常常用于信息处理、通信系统、数据传输、率失真理论、密码学、信噪比、数据压缩等领域。可以把信息熵通俗理解成 某种特定信息的出现概率(离散随机事件的出现概率)。熵是描述事物无序性的参数,熵越大则越混乱。一个系统越是有序, 信息熵就越低;反之, 一个系统越是混乱, 信息原创 2020-07-08 16:01:53 · 1978 阅读 · 0 评论 -
机器学习中常用的评价指标(Performance Measures)
机器学习中常用的评价指标混淆矩阵https://blog.csdn.net/liweijie231/article/details/62215477准确率(Precision)精确率(Accuracy)召回率ROC曲线 AUC曲线多分类下计算 应用多分类问题,把每个类别单独视为”正“,所有其它类型视为”负“,定义TP-将正类预测为正类FN-将正类预测为负类FP-将负类预测位正类TN-将负类预测位负类准确率(正确率)=所有预测正确的样本/总的样本 (TP+TN)/总精确率= 将正类原创 2020-06-19 11:04:55 · 1261 阅读 · 0 评论