机器学习
文章平均质量分 79
wuee47
其实就是个在校大学生
展开
-
贝叶斯分类器
贝叶斯分类器判别模型和生成模型判别模型,也就是根据特征值来求结果的概率。形式化表示为p(y|x;θ) p(y|x;\theta) ,在参数θ\theta确定的情况下,求解条件概率 p(y|x) p(y|x) 。通俗的解释为在给定特征后预测结果出现的概率。比如说要确定一只羊是山羊还是绵羊,用判别模型的方法是先从历史数据中学习到模型,然后通过提取这只羊的特征来预测出这只羊是山羊或绵羊的概率。换一种思路,原创 2015-04-11 13:46:58 · 580 阅读 · 0 评论 -
逻辑斯蒂回归
模型本质还是线性回归,只是对线性回归做了一次映射 hw(x)=g(wTx)=11+e−wTxh_w(x)=g(w^\mathrm{T}x)= \frac{1}{1+e^{-w^\mathrm{T}x}} 记z=wTx z = w^\mathrm{T}x g(z)=11+e−zg(z) = \frac{1}{1+e^-z}本来来线性回归是不用来分类的,因为受噪声影响太大。但是映射成逻辑斯蒂回归后原创 2015-04-15 10:16:13 · 1137 阅读 · 0 评论 -
支持向量机初步学习
前言svm需要一定的数学功底,我是亦步亦趋花了一个星期,才渐渐有所了解。出于学习交流目的,我将自己的学习思路整理出来。由于对svm的理解有所不足,如有错误,敬请指正。svm简介支持向量机(support vertor machines,SVM)是一种二分类模型。它的基本模型是定义在特征空间上的最大间隔分类器,核技巧使它称为线性分类器。支持向量机的学习策略就是间隔最大化,可形式化为一个求解凸二次规划的原创 2015-05-09 11:41:14 · 516 阅读 · 0 评论 -
无监督学习第一步:K-均值聚类
简介k均值聚类是无监督学习方法里面的一种,所谓聚类(clustering),就是将相似的对象归到一个簇中。簇中的对象越相似,聚类的效果越好。K均值聚类就是在数据集中发现k个簇的算法。算法描述k-means算法如下: 创建k个随机质心 当质心改变时 对每个点 对每个质心 计算点到质心的距离 将点归到到距离最近的质原创 2015-05-09 16:48:04 · 753 阅读 · 0 评论