机器学习
文章平均质量分 64
MD_
不拼一下 你怎么知道你不会成功!
展开
-
如何理解对数似然损失函数
介绍通过最大似然估计值来衡量损失。最大似然估计的原理是:找到一组估计值,使得未知参数取该组估计值时,观察值以最大概率出现。设总体 XXX 为离散型随机变量,其分布律为 P(X=xk)=p(xk,θ),k=1,2…P(X=x_k)=p(x_k,\theta), k=1,2\dotsP(X=xk)=p(xk,θ),k=1,2…,其中 θ\thetaθ 是待估参数,则 X1=x−1,X2=x2,…,XN=xnX_1=x-1,X_2=x_2,\dots,X_N=x_nX1=x−1,X2=x2,…,X原创 2020-07-23 10:55:53 · 9638 阅读 · 0 评论 -
如何理解朴素贝叶斯法中的“特征条件独立”
文章目录介绍参考文献介绍朴素贝叶斯法对条件概率分布做了条件独立性假设。那么什么叫条件独立性假设呢?它是说 用于分类的特征 在类确定的条件下 都是 条件独立 的。我们不能将条件独立性假设和独立性假设划为等号。以下面的一个简单的贝叶斯网为例,c 是标签,a、b 是特征。我们知道:p(a,b,c)=p(c)p(a∣c)p(b∣c)p(a,b,c)=p(c)p(a|c)p(b|c)p(a,b,c)=p(c)p(a∣c)p(b∣c)当 c 给定的时候,可得:p(a,b∣c)=p(a,b,c)p(c)原创 2020-06-11 16:30:25 · 5717 阅读 · 3 评论