《统计学习方法》——李航
文章平均质量分 79
Foveres
这个作者很懒,什么都没留下…
展开
-
第2章 感知机
1.概述:感知机(perceptron)是二分类的线性分类模型,其输入为实例的特征向量,输出为实例的类别,取+1和-1.感知机对应于输入空间(特征空间)中将数据进行划分的分离超平面,属于判别模型。感知机学习旨在求出将训练数据进行划分的分离超平面,导入基于误分类的损失函数,利用梯度下降对损失函数进行极小化,求得感知模型。感知机学习算法分为原始形式和对偶形式,是神经网络与支持向量机的基础。2.感知...原创 2018-10-17 22:22:04 · 386 阅读 · 0 评论 -
第3章 k近邻法
3.1 概述k近邻法(k-nearest neighbor,KNN)是一种基本分类与回归方法。这里只讨论分类问题中的k近邻法。该方法的思路:假设给定一个训练数据集,其中的实例类别已定。分类时,对新的实例,根据其k个最近邻的训练实例的类别,通过多方表决等方式进行预测。k近邻法不具有显示的学习过程。实质:k近邻法实际上利用训练数据集对特征向量空间进行划分,并作为其分类的模型。 特点...原创 2018-10-18 14:36:52 · 816 阅读 · 0 评论 -
第1章 统计学习方法概论
1.什么是统计学习 OR 统计机器学习 OR 机器学习? =计算机基于数据构建概率统计模型,并运用模型对数据进行预测与分析(统计学习的目的)。 统计学习就是计算机系统通过运用数据及统计方法提高系统性能的机器学习。2.统计学习的对象:统计学习的对象是数据。它熊数据出发,提取数据的特征;抽象出数据的模型,发现数据中的知识;又回到数据的分析与预测中去。3.统计...翻译 2018-10-17 16:56:52 · 253 阅读 · 0 评论 -
第4章 朴素贝叶斯法
概述朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集,首先基于特征条件独立假设学习输入/输出的联合概率分布;然后基于此模型,对给定的输入x,利用贝叶斯定理求出后验概率最大的输出y。一、全概率公式和贝叶斯公式1.条件概率公式设A,B是两个事件,且P(B)>0,则在事件B发生的条件下,事件A发生的条件概率(conditional probabilit...原创 2018-10-22 16:09:00 · 920 阅读 · 0 评论 -
EM算法再次总结
转载自:https://blog.csdn.net/xueyingxue001/article/details/52020673 说明:此篇是作者对“EM”的第二次总结,因此可以算作对上次总结的查漏补缺以及更进一步的理解,所以很多在第一次总结中已经整理过的内容在本篇中将不再重复,如果你看的有些吃力,那建议你看下我的第一次总结:&...转载 2018-11-29 10:02:19 · 627 阅读 · 0 评论