![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
读书笔记
文章平均质量分 70
一条咸狗
这个作者很懒,什么都没留下…
展开
-
读PRML:第一部分
有监督学习任务分类(Y是离散值,解决方案: maxciP(ci∣x)max_{c_i}P(c_i|x)maxciP(ci∣x) ,求条件概率 )回归(Y是连续值,最优解=条件期望=∫yp(y∣x)dy\int yp(y|x)dy∫yp(y∣x)dy,y已知,主要求条件概率)三种方法(前两种是概率模型,找条件概率分布)生成模型(通过贝叶斯公式间接求解条件概率 联合概率/边缘概率...原创 2018-09-18 11:06:27 · 452 阅读 · 0 评论 -
读西瓜书:3.1/3.2/3.3章
读西瓜书:3.1/3.2/3.3 线性模型章节3.1 线性模型线性模型(3.1)f(x)=w1x1+w2x2+...+wdxd+bf(x)=w_1x_1+w_2x_2+...+w_dx_d+b \tag{3.1}f(x)=w1x1+w2x2+...+wdxd+b(3.1)向量形式(3.2)f(x)=wTx+bf(x)=w^Tx+b \tag{3.2}f(x)=wTx+b...原创 2018-09-19 15:30:01 · 655 阅读 · 0 评论 -
读西瓜书:7.1/7.2/7.3章
读西瓜书:7.1/7.2/7.3章7.1 贝叶斯决策论概率框架下是基于概率和误判损失来决策的给定N个类别,令 λij\lambda_{ij}λij 代表将第 jjj 类样本误分为第 iii 类产生的损失,则基于后验概率将样本x分到第 iii 类的条件风险为(1)R(ci∣x)=∑j=1NλijP(cj∣x)R(c_i|x)=\sum_{j=1}^N\lambda_{ij}P(c_...原创 2018-10-04 21:06:53 · 255 阅读 · 0 评论 -
读西瓜书:6.1/6.2/6.3/6.4章
读西瓜书:6.1/6.2/6.3/6.4章6.1 间隔与支持向量如果训练样本是线性可分的,那么线性分类器就是在样本空间中寻找一个超平面,将不同类别的样本分开但能将训练样本分开的超平面可能有很多,哪一个更好?上图中判别函数的训练误差都为0,但机器学习中有个准则:不是训练误差最小而是泛化误差最小直觉上应该选正中间的粗线,对未见示例的泛化能力最强对比逻辑回归,当 wTx...原创 2018-10-13 20:21:14 · 1145 阅读 · 0 评论 -
一些记录
英文文献写作https://www.grammarly.com/Deep Learning解读https://mp.weixin.qq.com/s?__biz=MjM5ODU3OTIyOA==&mid=5原创 2020-06-22 11:46:07 · 602 阅读 · 0 评论