本节是观看Andrew Ng的cs299第五节的个人笔记。
本节主要介绍生成学习算法和判别学习算法的基本区别。引出CS229中第一个判别学习算法,先验满足多元高斯分布的统计。经过推导计算,可以发现先验满足不同分布的函数的样本, 后验的线行值满足logistic回归(可以从广义线性模型的方式去思考。可以参考我上一篇博客)。
1. 生成学习算法(generative learning algorithm)与判别学习算法(discriminative learning algorithm)是机器学习算法的一种分类形式。
从结论上讲:生成学习算法更注重自身预测值,不关注边界;而判别学习算法关注样本点的边界。
2.协方差:用来表示随机变量的一些相关性,量E{[X-E(X)][Y-E(Y)]} 称为随机变量X与Y的协方差,记为Cov(X,Y),即:
Cov(X,Y)=E[X−E(X)][Y−E(Y)]