算法
奔跑的乌班
wobuxiangxie
展开
-
隐马尔可夫模型及Viterbi算法
这里分享一个链接,感谢作者的分享。https://mp.weixin.qq.com/s?__biz=MzAxMjUyNDQ5OA==&mid=2653558648&idx=1&sn=047b8846eb42fcdfcc09dae4d73f9cd8&chksm=806e39c5b719b0d30e21411de966c817dfe1083a4bc9460a67390...原创 2019-03-02 09:49:52 · 288 阅读 · 0 评论 -
逻辑回归从入门到深入(logistic regression)
转载地址:https://blog.csdn.net/ustbbsy/article/details/80423294。 感谢作者分享 1 引言 最近做一个项目,准备用逻辑回归来把数据压缩到[-1,1],但最后的预测却是和标签类似(或者一样)的预测。也就是说它的predict的结果不是连续的,而是类别,1,2,3,.....转载 2019-03-08 14:19:33 · 339 阅读 · 0 评论 -
机器学习之决策树-随笔
决策树决策树的本质: 对数据进行分类,降低不确定性。 这里,我们来判断下面几个人中是否喜欢打篮球。构建的决策树如下:所谓决策树,树在前面,决策在后面。 这里,我们有假设一个美女相亲进行决策的情况。呵呵 重点在找根节点。熵 熵可以用来表示的是物体内部的混乱程度,事实上,这个说法在化学中比较常用,可以回忆一下;在这里,我们可以认为是表示分类的数据纯与不纯的度量。 ...原创 2019-03-21 12:40:00 · 493 阅读 · 0 评论 -
机器学习之贝叶斯定理
贝叶斯定理 贝叶斯定理是关于随机事件A和B的条件概率(或边缘概率)的一则定理。其中P(A|B)是在B发生的情况下A发生的可能性。 贝叶斯定理也称贝叶斯推理,早在18世纪,英国学者贝叶斯(1702~1763)曾提出计算条件概率的公式用来解决如下一类问题:假设H[1],H[2]…,H[n]互斥且构成一个完全事件,已知它们的概率P(H[i]),i=1,2,…,n,现观察到某事件A与H[1],H[...原创 2019-03-21 15:59:27 · 1177 阅读 · 0 评论 -
机器学习之线性回归
线性回归这里,我们将工资和年龄作为自变量, 额度作为因变量来建立模型,预测不同情况下,银行根据客户的工资和年龄应该发放的贷款额度。建立特征值和预测值的映射关系公式:假设为对应特征值和参数θ的情况下的预测值与真实值的误差: 正态分布,又称高斯分布。我们可以得到的高斯分布中的概率,如下: (1)公...原创 2019-03-19 12:19:28 · 227 阅读 · 0 评论 -
SVM核函数概述
特征空间的隐式映射:核函数 咱们首先给出核函数的来头:在上文中,我们已经了解到了SVM处理线性可分的情况,而对于非线性的情况,SVM 的处理方法是选择一个核函数 κ(⋅,⋅) ,通过将数据映射到高维空间,来解决在原始空间中线性不可分的问题。 此外,因为训练样例一般是不会独立出现的,它们总是以成对样例的内积形式...转载 2019-03-27 08:55:53 · 21947 阅读 · 1 评论