![](https://img-blog.csdnimg.cn/20190918140158853.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
统计机器学习
文章平均质量分 61
本专栏主要介绍统计机器学习方法的原理以及实践
L枷锁T
这个作者很懒,什么都没留下…
展开
-
【HMM和CRF的异同】
HMM和CRF的简介原创 2022-11-03 16:19:03 · 989 阅读 · 0 评论 -
【CRF命名实体识别】
CRF原创 2022-11-02 17:10:45 · 191 阅读 · 0 评论 -
【基于HMM的命名实体识别】
本文为HMM原理原创 2022-11-02 16:05:35 · 414 阅读 · 0 评论 -
机器学习之决策树
决策树(本文参考西瓜书,作为自己学习的记录) 基本流程 决策树(decision tree) 是一类常见的机器学习方法.以二分类任务为例,我 们希望从给定训练数据集学得一个模型用以对新示例进行分类,这个把样本 分类的任务,可看作对"当前样本属于正类吗?“这个问题的"决策"或"判 定"过程.顾名思义,决策树是基于树结构来进行决策的,这恰是人类在面临决 策问题时一种很自然的处理机制.例如,我们要对"这...原创 2020-03-08 17:52:06 · 343 阅读 · 0 评论 -
模型评估指标
1.混淆矩阵 混淆矩阵是监督学习中的一种可视化工具,主要用于比较分类结果和实例的真实信息。矩阵中的每一行代表实例的预测类别,每一列代表实例的真实类别。 真正(True Positive,TP):被模型预测为正的正样本; 假正(False Positive, FP):被模型预测正的负样本; 假负(False Negative, FN):被模型预测为负的正样本; 真负(True Negative, ...原创 2020-02-22 12:15:14 · 350 阅读 · 0 评论 -
深度学习之优化函数
在计算出模型的损失之后,就需要利用损失值进行模型参数的优化。 在在计算出模型的损失之后,就需要利用损失值进行模型参数的优化。 在实践操作中最常用到的是一阶优化函数,典型的一阶优化函数包括GD、SGD、 Momentum、Adagrad、Adam 等等。一阶优化函数在优化过程中求解的是参数的一阶导数,这些一阶导数的值就是模型中参数的微调值。 这里引入了一个新的概念 :梯度。梯度其实就是将多元函数的各...原创 2020-02-21 21:54:51 · 2000 阅读 · 0 评论 -
卷积神经网络
卷积神经网络 卷积神经网络( Convolutional Neural Networks, 简称 CNN )可以说是深度神经 网络模 型中的“明星 ”网络架构, 在计算机视觉方面贡献颇丰。一个标准的卷积神经网络架构主要由卷积层、 池化层和全连接层等核心层次构成, 卷积层、池化层和全连接层不仅是搭建 卷积神经网络的基础,也是我们需要重点掌握和理解的内 ...原创 2020-02-20 09:55:28 · 710 阅读 · 1 评论 -
深度学习之loss function
机器通过损失函数进行学习。这是一种评估特定算法对给定数据建模程度的方法。如果预测值与实际结果偏离较远,损失函数会得到一个非常大的值。通过梯度下降算法来优化损失函数,使预测值逼近真实值。 #平方损失函数 平方误差是预测值与真实值之差的平方和 其公式如下: #均方误差,MSE(mean squared error) 均方误差是预测值与真实值之差的平方和的平均值,即 #0-1损失(zero-on...原创 2020-02-12 17:06:53 · 636 阅读 · 0 评论