- 博客(3)
- 资源 (1)
- 收藏
- 关注
RSS订阅转载 最小二乘法的概率模型解释与局部加权回归
最小二乘法的概率解释与局部加权回归1. 最小二乘法的概率解释在前面梯度下降以及正规方程组求解最优解参数Θ时，为什么选择最小二乘作为计算参数的指标，使得假设预测出的值和真正y值之间面积的平方最小化？ 我们提供一组假设，证明在这组假设下最小二乘是有意义的，但是这组假设不唯一，还有其他很多方法可以证明其有意义。 （1） 假设1：假设输入与输出为线性函数关系，表示为：
2015-09-01 16:53:32
1494
转载 判别模型、生成模型与朴素贝叶斯方法
判别模型、生成模型与朴素贝叶斯方法转载时请注明来源：http://www.cnblogs.com/jerrylead1判别模型与生成模型上篇报告中提到的回归模型是判别模型，也就是根据特征值来求结果的概率。形式化表示为，在参数确定的情况下，求解条件概率。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
2015-09-01 16:33:48
1160
转载 生成模型与判别模型
生成模型：无穷样本==》概率密度模型 = 生成模型==》预测 判别模型：有限样本==》判别函数 = 预测模型==》预测 机器学习中的模型一般分为两类：判别模型、生成模型，这是对问题的两种不同的审视角度。假设我们要学习一个算法区分大象和狗（假设输入是重量、鼻子长度等特征）。判别模型和生成模型以两种不同的思路解决这个问题：判别模型：根据训练集，找到一个两种动物的一个差别（决策边界）
2015-09-01 15:51:38
666
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人