![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
西瓜书笔记
杰森斯坦熊
这个作者很懒,什么都没留下…
展开
-
对模型期望的一点点理解
为什么训练模型 在机器学习中,通常会假设所有的样本来源于同一个分布(真实分布)。这个分布是一个抽象的概念,当这个分布具体到某一个模型中时,我们引入另一个假设即 通过以Δ\DeltaΔ为参数的模型,能够正确表达真实的分布 我们训练模型的目标也就是:训练模型的参数Θ\ThetaΘ,使其不断的接近Δ\DeltaΔ,最终使得模型能够较为准确的描述真实的分布。 通过什么表达模型期望 以上表达式描述的就是样本服从真实分布情况下,样本(随机变量)X在以Θ\ThetaΘ为参数的模型中输出的期望(平均的概率输出) .原创 2020-07-23 14:54:26 · 493 阅读 · 0 评论 -
西瓜书笔记——贝叶斯分类器(一)
贝叶斯分类器 贝叶斯判定准则:对每个样本x,选择能使后验概率P(c | x) 最大的类别标记 然而,在现实任务中这通常难以直接获得,所以机器学习所要实现的是基于有限训练样本集尽可能准确地估计出后验概率P(c | x) 策略通常有如下两种: 给定x,可通过直接建模P(c | x) 来预测c,这样得到的是判别式模型。(如决策树、BP神经网络、支持向量机) 也可先对联合概率分布P(c ,x) 建模,然后...原创 2019-07-24 11:37:10 · 378 阅读 · 0 评论