![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Machine Learning
文章平均质量分 87
orion_t
这个作者很懒,什么都没留下…
展开
-
感知机
概述感知机是二分类的线性分类模型,属于判别模型。输入为特征向量,输出为{+1, -1}。仅能用于线性可分数据集,模型为分离超平面。采用梯度下降法对损失函数进行极小化。分为原始形式和对偶形式。模型感知机定义:假设特征空间为\(\mathcal{X} \subseteq \mathbf{R}^n\),输出空间为\(\mathcal{Y}=\{+1,-1\}\)。输入\(x\in\mathc...原创 2018-11-01 10:33:46 · 175 阅读 · 0 评论 -
极大似然估计
假设\(X\)为离散型随机变量,其分布律形式已知,即\(P(X=x)=p(x;\theta)\),其中\(\theta\)为未知参数。设样本集为 \(T=\{x_1,x_2,\cdots,x_N\}\),则该样本集发生的概率为L(θ)=L(T;θ)=∏i=1Np(xi;θ)L(\theta) = L(T;\theta) = \prod_{i=1}^{N} p(x_i;\theta)L(θ)=...原创 2018-11-01 15:32:29 · 667 阅读 · 0 评论 -
朴素贝叶斯
概述朴素贝叶斯法基于贝叶斯定理与特征条件独立假设。首先,基于特征条件独立假设,学习输入与输出的联合概率分布(生成模型);然后,根据学习到的概率模型,对给定输入利用贝叶斯定理求出后验概率最大的输出,作为该输入的类别。模型有如下假设:输入空间 X⊆Rn\mathcal{X}\subseteq\mathbf{R}^nX⊆Rn 为 nnn 维向量的集合,输出空间 Y={c1,c2,⋯&T...原创 2018-11-02 20:10:37 · 222 阅读 · 0 评论