- 对比逻辑回归同时观察两个类并寻找将它们分开的方法,生成学习算法每次只观察一个类并建立对应的模型
- 判别式学习算法:学习P(Y|X)
生成式学习算法:学习P(X|Y)及P(Y) - 生成算法可分为:
- 对于连续值:eg肿瘤分类
- 对于离散值:eg垃圾邮件分类
- 高斯判别分布(GDA)
- 对于高斯判别分布,两个类别使用一个协方差矩阵的原因是,这样的话决策边界将会呈现线性形式
- 如果想逻辑回归一样做出较弱的假设,那么那么算法对于模型的鲁棒性更强。但同时如果数据集较小时,使用做出更强假设的模型将得到更好的结果
(处理现实数据时,由于世界性的大数据背景,大部分情况下我们会选择使用逻辑回归。而当我们需要结果准确性更强时一般选择GDA) - 在处理垃圾邮件分类问题时,尽管使用逻辑回归可以性能更好的解决问题,但由于朴素贝叶斯算法由于不需要迭代,可以很有效的拟合模型。即使获得新数据,也可以有效的更新此模型
cs229 lecture5 笔记
最新推荐文章于 2022-01-12 00:41:51 发布