机器学习
文章平均质量分 84
del还想学习
这个作者很懒,什么都没留下…
展开
-
读书笔记-统计学习方法-逻辑斯谛回归与最大熵模型
读书笔记-统计学习方法-逻辑斯谛回归与最大熵模型 逻辑斯谛回归模型 逻辑斯谛分布定义 设XXX是连续随机变量, XXX服从逻辑斯谛分布是指XXX具有下列分布函数和密度函数: F(x)=P(X≤x)=11+e−(x−μ)/γf(x)=F′(x)=e−(x−μ)/γγ(1+e−(x−μ)/γ)2 F(x) = P(X\le x) = \frac{1}{1+e^{-(x-\mu)/\gamma}} \\ f(x) = F'(x) = \frac{e^{-(x-\mu)/ \gamma }}{\gamma (1+e原创 2021-01-18 16:51:36 · 131 阅读 · 0 评论 -
读书笔记-统计学习方法-决策树
读书笔记-统计学习方法-决策树 决策数模型与学习 定义 分类决策树模型是一种描述对实例进行分类的树形结构。决策树由结点(node)和有向边(directed edge)组成。结点有两种类型:内部结点(internal node)和叶结点(leaf node)。内部结点表示一个特征或属性,叶结点表示一个类。 特征选择 **熵(entropy)**表示随机变量不确定行的度量。 设XXX是一个取有限个值的离散随机变量,其概率分布为 P(X=xi)=pi,i=1,2,...,n P(X=x_i)=p_i,i=1原创 2021-01-15 13:42:53 · 91 阅读 · 0 评论 -
读书笔记-统计学习方法-朴素贝叶斯法
读书笔记-统计学习方法-朴素贝叶斯法 朴素贝叶斯法的学习与分类 输入空间:X⊆Rn\mathcal{X}\sube R^nX⊆Rn 输出空间:Y={c−1,c2,...,cK}\mathcal{Y}=\{c-1,c_2,...,c_K\}Y={c−1,c2,...,cK} 输入为特征向量:x∈Xx \in \mathcal{X}x∈X 输出类标记:y∈Yy\in \mathcal{Y}y∈Y XXX是定义在输入空间上的随机向量 YYY是定义在输出空间上的随机向量 P(X,Y)P(X,Y)P(X,Y)是X原创 2021-01-13 11:14:25 · 85 阅读 · 0 评论 -
西瓜书——决策数相关笔记
ECOC——纠错输出码 ECOC工作过程主要分两步 编码:对N个类别做M次划分,每次划分将一部分类别划为正类,一部分划为反类,从而形成一个二分类训练集;这样一共产生M个训练集,壳训练出M个分类器。 解码:M个分类器分别对测试样本进行预测,这些预测标记组成一个编码,将这个预测编码与每个类别各自的编码进行比较,返回其中距离最小的类别作为最终预测结果 类别不平衡问题 令m+m^{+}m+表示正例数目,m−m^{-}m−表示反例数目, 若y1−y>m+m−则预测为正例 若 \frac{y}{1-y} &g原创 2020-08-14 16:27:14 · 148 阅读 · 0 评论