第1章 统计学习方法概论——第7节 生成模型与判决模型

最新推荐文章于 2023-08-30 22:49:43 发布
最新推荐文章于 2023-08-30 22:49:43 发布
阅读量1k 收藏 1
点赞数
分类专栏： 统计（机器）学习 文章标签： 生成模型 判决模型 generative model discriminative model 统计学
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/l281865263/article/details/44621115
版权
本文主要介绍了统计学习方法中的两种模型：生成模型（如朴素贝叶斯和隐马尔可夫模型）和判决模型（如k近邻、感知机）。生成模型学习联合概率分布，判决模型则直接学习条件概率或决策函数，各有优缺点，前者在收敛速度和处理隐变量上有优势，后者在预测准确率和问题简化上更胜一筹。
摘要由CSDN通过智能技术生成

关于统计学习方法的知识，参考书《统计学习方法》，李航著，清华大学出版社。


第一章 统计学习方法概论


最低0.47元/天 解锁文章
小灰兔呼噜噜
关注
专栏目录
【机器学习基础】生成模型和判别模型
Jason Ding的专栏
12-03 3204
监督学习的任务就是学习一个模型（或者得到一个目标函数）,应用这一模型，对给定的输入预测相应的输出。这一模型的一般形式为一个决策函数Y=f(X)，或者条件概率分布P(Y|X)。 监督学习方法又可以分为生成方法(generative approach)和判别方法(discriminative approach)。所学到的模型分别为生成模型(generative model)和判别模型(discriminative model)。
Generative model & discriminative model
道法自然
05-05 920
转一篇有用的文章, 看了那么多blog上的介绍，还是这篇解释的最清楚：Generative Model 与 Discriminative Model 【摘要】    - 生成模型(Generative Model) ：无穷样本==》概率密度模型 = 产生模型==》预测    - 判别模型(Discriminative Model)：有限样本==》判别函数 = 预测模型==》预测【简介】简单
判别模型 vs 生成模型
dd809477679的专栏
03-26 364
判别模型： 判决属于哪一类，计算 条件概率。生成模型：计算 联合概率。需要加上贝耶斯法则，然后应用到分类中。概率分布。 生成模型是模拟这个结果是如何产生的,然后算出产生各个结果的概率两种模型都会告诉你最后的label标签 ，类别结果。但是生成模型会告诉一个概率。生成模型会告诉你关于数据的一些统计信息（p(x|y) 分布 etc.）判别模型： 决策树 （不是这个就是那个...
生成模型与判别模型
热门推荐
zouxy09的专栏
11-17 12万+
生成模型与判别模型 zouxy09@qq.com http://blog.csdn.net/zouxy09        一直在看论文的过程中遇到这个问题，折腾了不少时间，然后是下面的一点理解，不知道正确否。若有错误，还望各位前辈不吝指正，以免小弟一错再错。在此谢过。   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
判别模型和生成模型
leadai的博客
05-11 1253
五月两场 | NVIDIA DLI 深度学习入门课程5月19日/5月26日一天密集式学习  快速带你入门阅读全文>正文共721个字，预计阅读时间3分钟。判别模型和生...
《异常检测——从经典算法到深度学习》22 Kontrast: 通过自监督对比学习识别软件变更中的错误
最新发布
Smileyan's blog
08-30 4793
kontrast 论文介绍、论文实验等
bp神经网络预测模型优点,bp神经网络相关性分析
wenangou的博客
08-22 3071
网络的训练过程与使用过程了两码事。比如BP应用在分类，网络的训练是指的给你一些样本，同时告诉你这些样本属于哪一类，然后代入网络训练，使得这个网络具备一定的分类能力，训练完成以后再拿一个未知类别的数据通过网络进行分类。这里的训练过程就是先伪随机生成权值，然后把样本输入进去算出每一层的输出，并最终算出来预测输出（输出层的输出），这是正向学习过程；最后通过某种训练算法（最基本的是感知器算法）使得代价（预测输出与实际输出的某范数）函数关于权重最小，这个就是反向传播过程。
bp神经网络的训练方法,一文搞定bp神经网络
m0_54846070的博客
08-06 5316
BP算法的基本思想是：学习过程由信号正向传播与误差的反向回传两个部分组成；正向传播时，输入样本从输入层传入，经各隐层依次逐层处理，传向输出层，若输出层输出与期望不符，则将误差作为调整信号逐层反向回传，对神经元之间的连接权矩阵做出处理，使误差减小。经反复学习，最终使误差减小到可接受的范围。具体步骤如下：1、从训练集中取出某一样本，把信息输入网络中。2、通过各节点间的连接情况正向逐层处理后，得到神经网络的实际输出。3、计算网络实际输出与期望输出的误差。...
基于bp的神经网络算法,bp神经网络是什么算法
Supermen333的博客
08-24 694
BP算法的基本思想是：学习过程由信号正向传播与误差的反向回传两个部分组成；正向传播时，输入样本从输入层传入，经各隐层依次逐层处理，传向输出层，若输出层输出与期望不符，则将误差作为调整信号逐层反向回传，对神经元之间的连接权矩阵做出处理，使误差减小。经反复学习，最终使误差减小到可接受的范围。具体步骤如下：1、从训练集中取出某一样本，把信息输入网络中。2、通过各节点间的连接情况正向逐层处理后，得到神经网络的实际输出。3、计算网络实际输出与期望输出的误差。
人工神经网络的算法原理,人工神经网络算法步骤
kfc67269的博客
09-02 158
其次，当时的电子技术工艺水平比较落后，主要的元件是电子管或晶体管，利用它们制作的神经网络体积庞大，价格昂贵，要制作在规模上与真实的神经网络相似是完全不可能的；(3)非线性映射能力当对系统对于设计人员来说，很透彻或者很清楚时，则一般利用数值分析，偏微分方程等数学工具建立精确的数学模型，但当对系统很复杂，或者系统未知，系统信息量很少时，建立精确的数学模型很困难时，神经网络的非线性映射能力则表现出优势，因为它不需要对系统进行透彻的了解，但是同时能达到输入与输出的映射关系，这就大大简化设计的难度。
生成模型 VS 判别模型 （含义、区别、对应经典算法）
Taylover-Cam的博客
03-29 7万+
从概率分布的角度考虑，对于一堆样本数据，每个均有特征Xi对应分类标记yi。生成模型：学习得到联合概率分布P(x,y)，即特征x和标记y共同出现的概率，然后求条件概率分布。能够学习到数据生成的机制。判别模型：学习得到条件概率分布P(y|x)，即在特征x出现的情况下标记y出现的概率。数据要求：生成模型需要的数据量比较大，能够较好地估计概率密度；而判别模型对数据样本量的要求没有那么多。两者的优缺点如下图...
李航—统计学习方法
AI玩转智能
11-05 658
AI 菌 今天分享的是李航老师的统计学习方法 链接：http://pan.baidu.com/s/1bL3LVo 密码：c272 内容简介  · · · · · · 《统计学习方法》是计算机及其应用领域的一门重要的学科。《统计学习方法》全面系统地介绍了统计学习的主要方法，特别是监督学习方法，包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量
NP问题和计算复杂度
l281865263的专栏
04-15 5116
最近看书，多次看到NP问题，就简单研究了下到底什么是NP问题。参考《数学之美》一书的附录 一、计算复杂度 我们知道，计算机中的算法复杂度，定义为只和问题规模N有关，即计算复杂度是N的一个函数 f(N)。 如果计算复杂度只相差一个常数因子，则认为复杂度是同一数量级的，是相同的，即 f(N) = Nlog(N) 和 g(N) = 100Nlog(N) 的复杂度是相同的。 所以我们干脆引
第一章 统计学习方法概论 —— 第1~3节 统计学习及监督学习的简介、损失函数及风险函数的公式化表达
l281865263的专栏
03-23 1918
关于统计学习方法的知识，参考书《统计学习方法》，李航著，清华大学出版社。 所有章节的符号表示、公式表示都是统一化的。 第一章 统计学习方法概论 第一节 统计学习 一、概念 所谓统计学习，指的是基于已知数据构建统计模型，从而对未知数据进行预测。 二、分类 监督学习（supervised）、半监督学习（semi-supervised）、非监督学习（unsupervised）和强化学习
第1章 统计学习方法概论——第4~6节 模型选择、正则化和交叉验证、泛化能力
l281865263的专栏
03-25 1512
关于统计学习方法的知识，参考书《统计学习方法》，李航著，清华大学出版社。 第一章 统计学习方法概论 第4节 过拟合与模型选择 第5节 正则化和交叉验证 第6节 泛化能力
第1章 统计学习方法概论——第8～10节 分类、标注、回归问题
l281865263的专栏
03-25 1187
关于统计学习方法的知识，参考书《统计学习方法》，李航著，清华大学出版社。 第一章 统计学习方法概论 第8～10节 分类、标注、回归问题 一、回归问题： 等价于函数拟合：选择一条函数曲线使其很好地拟合已知数据。 回归问题最常用的损失函数是平方损失函数，这种情况下，可以由著名的最小二乘法（least squares）来求解；
第2章 感知机
l281865263的专栏
04-07 1092
关于统计学习方法的知识，参考书《统计学习方法》，李航著，清华大学出版社。 第2章 感知机 第1节 感知机模型的概念 第2节 感知机的学习策略（或损失函数/目标函数） 第3节 感知机学习的原始形式与对偶形式 第1节 感知机模型的概念 感知机（perceptron）是二类分类的线性分类模型，输出为+1和-1。感知机对应于将输入空间（特征空间）中的实例划分为正负两类的分离超平
管理信息系统概论与开发方法详解——新书第1章
"管理信息系统(MIS)讲义第1章涵盖了MIS的基础理论和实践操作。该章节首先对管理信息系统进行了概述，定义了什么是MIS，强调了其核心在于通过人机结合，利用计算机及其网络技术、管理科学和决策方法来支持组织的系统...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值