AI训练营——贝叶斯理论与模型基础、SVM 理论

二叉树不是树_ZJY

于 2020-11-19 14:25:01 发布

阅读量323

点赞数 1

文章标签： svm 机器学习

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_42341984/article/details/108069091

版权

贝叶斯理论与模型基础、SVM 理论

贝叶斯决策理论
统计学习理论和SVM

贝叶斯决策理论

最小错误率贝叶斯决策

三个概率

举例

先验概率

类条件概率密度函数

鲑鱼和鲈鱼的长度分布：

后验概率

区别

贝叶斯公式

应用

机器学习“判定模型”和“生成模型”有什么区别？

最小风险贝叶斯决策

区别

统计学习理论和SVM

影响机器学习效果的因素

$- \infty$ ：欠拟合
-18：效果较好
0：过拟合

添加正则项——降低模型复杂程度

本质

传统机器学习：经验风险最小化
机器学习：期望风险最小化——泛化能力强

SVM

在这里插入图片描述

二叉树不是树_ZJY

关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
AI训练营——贝叶斯理论与模型基础、SVM 理论

贝叶斯理论与模型基础、SVM 理论贝叶斯决策理论最小错误率贝叶斯决策三个概率贝叶斯公式应用最小风险贝叶斯决策区别统计学习理论和SVM影响机器学习效果的因素本质SVM贝叶斯决策理论最小错误率贝叶斯决策三个概率举例先验概率类条件概率密度函数鲑鱼和鲈鱼的长度分布：后验概率区别贝叶斯公式应用机器学习“判定模型”和“生成模型”有什么区别？最小风险贝叶斯决策区别统计学习理论和SVM 影响机器学习效果的因素 −∞-
复制链接

扫一扫

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。