统计学习方法
Rlin_by
这个作者很懒,什么都没留下…
展开
-
感知器、感知器对偶形式(含作业)||《统计学习方法》李航_第1章_蓝皮(学习笔记)
第2章 感知机学习算法感知器原始版算法(含作业)对偶形式对偶形式算法依旧只记录重要的感知器感知器是神经网络和SVM的基础。原始版算法(含作业)先记录一下优化函数:minw,b−∑xi∈Myi(w⋅xi+b)\min \limits_{w,b}-\sum\limits_{x_{i\in M}}{y_i(w·x_i+b)}w,bmin−xi∈M∑yi(w⋅xi+b)优化算法是...原创 2019-05-25 10:19:04 · 570 阅读 · 0 评论 -
经验风险最小化、结构风险最小化、极大似然估计、最大后验概率估计...||《统计学习方法》李航_第1章_蓝皮(学习笔记)
第1章 统计学习方法概论监督学习统计学习三要素模型策略(经验风险和结构经验风险)判别模型与生成模型补充(含课后作业)MLE、MAP和贝叶斯估计证明经验风险最小化等价于极大似然估计(在特定条件下)证明结构风险最小化与最大后验概率等价(在特定条件下)贝叶斯估计挑重点记录一下。监督学习监督学习有一个重要的假设:设输入的随机变量XXX和YYY遵循联合概率分布P(X,Y)P\left( {X,Y} \...原创 2019-05-11 21:38:57 · 1839 阅读 · 0 评论 -
朴素贝叶斯方法(含作业)||《统计学习方法》李航_第4章_蓝皮(学习笔记)
第4章 朴素贝叶斯方法模型策略算法极大似然估计贝叶斯估计模型朴素贝叶斯是根据贝叶斯定理学习联合概率 F\mathcal FF = {P ∣ P(Y,X)}\{P\ |\ P ( Y,X ) \}{P ∣ P(Y,X)},因此朴素贝叶斯是一个生成模型。所以根据贝叶斯公式,就要通过数据得到先验概率分布 P(Y=ck)P ( Y=c_k )P(Y=ck)和...原创 2019-06-06 14:14:31 · 461 阅读 · 0 评论