gaussian discriment analyse

最新推荐文章于 2024-01-04 10:19:18 发布

龙仔941

最新推荐文章于 2024-01-04 10:19:18 发布

阅读量144

点赞数

分类专栏：数学 NLP python 文章标签： vue.js html5 node.js

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_34146899/article/details/120347162

版权

python 同时被 3 个专栏收录

42 篇文章 0 订阅

订阅专栏

27 篇文章 0 订阅

订阅专栏

26 篇文章 0 订阅

订阅专栏

gda: x as variance, P(y) as prior probility

$P(y|x)=P(x|y)*P(y)$

高斯分布公式

$f(x)=\frac{1}{\sqrt{2\pi\delta }}*e^{^{\frac{-(x-u)^{2}}{2\delta ^{2}}}}$

$argmax(p_{0}^{*},\delta _{0}^{*},\upsilon _{0}^{*})=argmax(P(D))$

$D={(x_{n},y_{n})}_{n=1}^{N}$

梯度下降公式牛顿公式

$w^{t+1}\leftarrow w^{t}-H^{t}*\varepsilon (w^{t})$

梯度下降公式

$w^{^{t+1}}\leftarrow w^{t}-\eta \sum (\delta (w^{t}x_{n})-y_{n})*x_{n}$

logistic classification

input:

$x\epsilon R^{n}$

$y\varepsilon {\{0,1\}}$

$P(y=1|x,b,w)=\delta (g(x))$

$\delta (a)=\frac{1}{e^{-a}+1}$

gda:基于类别的变量高斯分布,基于变量分布，带入label，进行P的输出判断

lr:基于整体的分布，进行P的输出判断

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。