![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
统计学习 机器学习
文章平均质量分 72
公式
证明
code
sjystone
这个作者很懒,什么都没留下…
展开
-
朴素贝叶斯 Naive Bayes
Naive Bayes 特点 朴素贝叶斯是典型的生成学习方法 朴素贝叶斯的基本假设是条件独立性(强假设) 若条件之间存在概率依存关系,模型变为贝叶斯网络 基于上一条的假设,朴素贝叶斯方法高效,但分类性能受损 将输入的 x 分类到后验概率最大的类 y 原理 对于给定的输入 x 通过学习到的模型计算后验概率分布 P(Y = ck | X = x) 将后验概率最大的类作为x类的输出 朴素贝叶斯分类器 - 数学推导 先验概率分布 P(Y = ck) k = 1, 2, 3 … K原创 2021-07-12 22:52:41 · 267 阅读 · 0 评论 -
感知机(原始形式 +对偶形式)
感知机 perceptron 感知机是一种线性模型 是神经网络,支持向量机等的基础 1.感知机模型 f(x) = sign(wx + b) w是权重向量weight,b是偏置向量bias sign(x) = 1 (x>=0) sign(x) = -1 (x < 0) wx + b 对应特征空间中的一个超平面S w 是超平面的法向量,b 是截距 2.学习策略 只能用于线性可分数据 损失函数 - 误分类点到超平面的距离之和 算距离时,选择几何距离,不能用函数距离原创 2021-07-05 19:08:20 · 901 阅读 · 0 评论