Classification: Probabilistic Generative Model

//李宏毅视频官网：http://speech.ee.ntu.edu.tw/~tlkagk/courses.html                                                    点击此处返回总目录 //邱锡鹏《神经网络与深度学习》官网：https://nndl.github.io       今天要讲分类。 ------------------------------------------------------------------------------------------------------------------------------- 分类这件事情呢，我们要找一个function。它的input是一个object x，它的output是这个这个object属于哪一个class。                          这样的task有很多，可以信手拈来。 比如在金融上，可以用classification的model来决定要不要贷款给某个人。找一个function，它的input是某一个人的income，saving啊，工作啊，年纪啊，过去有没有欠债啊等等。output就是要不要借钱给他。这是个binary classification的problem。                     再比如，医疗诊断。输入症状，年龄，性别等，过去就医历史等等。output是，他生的哪种病。                     再比如，手写字识别。输入一个自己写的字，输出是什么字。                       或者人脸识别，输入一张人脸，输出说是谁的。                        ------------------------------------------------------------------------------------------------------------------------------- 我们今天要用的是，什么样的example呢？其实也是宝可梦的例子。我又做了一些关于宝可梦的研究，我们知道宝可梦有不同的属性，有几种呢？有18种属性，包括：水、火、电、草等等18种属性。                             我们现在要做一个分类的问题。这个分类的问题就是要找一个function，这个function的input就是某一只宝可梦，他的output就是告诉你这只宝可梦是属于哪一种type的。比如，input一只皮卡丘，他的output就是雷。input一只杰尼龟，output就是水。input一个妙蛙草，他的output就是草。所以是一个classification的问题。                             ------------------------------------------------------------------------------------------------------------------------------- 那怎么样做这个问题呢?现在第一个问题就是怎么把一个宝可梦当做一个function的input。要当做input得数值化。要用数字来表示一个宝可梦，才能把它放到一个function里面。 那怎么把一只宝可梦用数字来表示呢？ 一只宝可梦他其实有很多的特性。这些特性是可以数值化的，比如他整体的强度。