PRML
Demon的黑与白
Stay hungry,Stay foolish
展开
-
PRML系列:1.1 多项式函数拟合
PRML系列:1.1 多项式函数拟合前言此系列关于Pattern Recognition and Machine Learning的总结,博文记录一些在阅读过程中遇到的难点和自己的感悟。话不多说,直接进入正题吧。正文第一章第一节的内容关于多项式函数的拟合,假设我们给出了一系列的坐标点(x,y)们,可能是某个函数生成的,比如:y=sin(2πx)y = \sin(2 \pi x),如下图:模式识别的目原创 2017-12-08 13:42:31 · 3506 阅读 · 0 评论 -
PRML系列:1.2 Probability Theory
PRML系列:1.2 Probability Theory前言这一章主要讲了一些概率论的基础知识,前面着重介绍了条件概率,边缘概率的相关知识,此处就不在罗列这些细节了,具体参考PRML即可。本文拟解释以下结论:贝叶斯为何能够解决过拟合问题?频率学派是如何对数据建模并得到准确模型的?贝叶斯学派和频率学派在建模上有什么区别?以上的结论和总结都是从本人的知识系统中得到,难免有所错误,但无妨,自己的原创 2017-12-12 12:29:37 · 523 阅读 · 0 评论 -
PRML系列:1.3 Model Selection
PRML系列:1.3 Model Selection模型选择模型选择一般采用交叉验证,本节提到了S-fold cross-validation,原理如下,把数据集D随机划分成S份,其中S-1份用来训练模型,1份用来验证模型的效果。这样,一方面能充分利用所给数据集的几乎全部有用信息,另外一方面,可以有效避免过拟合现象的发生。当S取数据集个数N时,这种技术叫做留一法,在样本稀缺的情况下尤其有用。缺点:原创 2017-12-12 14:31:46 · 454 阅读 · 0 评论 -
PRML系列:1.4 The Curse of Dimensionality
PRML系列:1.4 The Curse of Dimensionality缘由PRML例举了一个人工合成的数据集,这个数据集中表示一个管道中石油,水,天然气各自所占的比例。这三种物质在管道中的几何形状有三种不同的配饰,被称为“同质状”、“环状”和“薄片状”。输入有12个维度,是用伽马射线密度计采集的数据,输出对应的是三个类别:同质状,环状和薄片状。为了能够直观的呈现数据在二维空间中的分布,PRML原创 2017-12-14 15:53:28 · 1271 阅读 · 0 评论 -
PRML系列:1.5 Decision Theory
PRML系列:1.5 Decision Theory前言本打算该系列均用自己的视角重新阐述一遍,但由于时间精力有限,最终还是决定以摘抄中文版PRML的方式,一来可以还原PRML中最本色的内容,二来以博文的形式,可以在自己不解的地方加入疑问和思考,整理总结也算是种不错的学习方式。在1.2节中,我们已经看到了概率论是如何提供给我们⼀个⾃始⾄终的数学框架来量化和计算不确定性。这⾥我们将要转⽽讨论决策论。当原创 2017-12-15 18:18:10 · 1105 阅读 · 0 评论