机器学习之统计学习方法
文章平均质量分 90
本专栏收录小小白的统计学习方法相关的blog
琢光.
这个作者很懒,什么都没留下…
展开
-
高斯判别分析(GDA)
高斯判别分析建立高斯模型【假设】:y∼Bernouli(Φ)y\sim Bernouli(\Phi)y∼Bernouli(Φ)x∣y=0∼N(μ0,Σ)x|y=0\sim N(\mu_0,\Sigma)x∣y=0∼N(μ0,Σ)x∣y=1∼N(μ1,Σ)x|y=1\sim N(\mu_1,\Sigma)x∣y=1∼N(μ1,Σ)由贝叶斯公式可得: P(y∣x)=p(x∣y)p(y)p(x)P(y|x)=\frac{p(x|y)p(y)}{p(x)}P(y∣x)=p(x)p(x∣y)p(y)则原创 2021-01-23 17:04:23 · 414 阅读 · 2 评论 -
线性判别分析(Fisher)
线性判别分析(Fisher)Fisher线性判别分析【符号约定】:训练数据集 T={(x1⃗,y1),(x2⃗,y2)...(xN⃗,yN)},xi⃗∈Rp,yi∈{−1,1},i=1,2,3,...,NT=\{ (\vec{x_1},y_1),(\vec{x_2},y_2)...(\vec{x_N},y_N)\},\vec{x_i}\in{R^{p}},y_i\in{\{-1,1\}},i=1,2,3,...,NT={(x1,y1),(x2,y2)...(xN,yN)},xi∈原创 2021-01-21 22:36:03 · 2781 阅读 · 0 评论 -
线性回归之最小二乘法
线性回归之最小二乘法最小二乘法的矩阵表达【符号约定】:训练数据集 T={(x1⃗,y1),(x2⃗,y2)...(xN⃗,yN)}T=\{ (\vec{x_1},y_1),(\vec{x_2},y_2)...(\vec{x_N},y_N)\}T={(x1,y1),(x2,y2)...(xN,yN)}xi⃗∈Rp,yi∈{−1,1},i=1,2,3...N\vec{x_i}\in{R^p},y_i\in{\{-1,1\}},i=1,2,3...Nxi∈Rp,yi∈{−1,1},i原创 2021-01-21 17:11:56 · 289 阅读 · 0 评论