- 博客(5)
- 收藏
- 关注
RSS订阅转载 支持向量机（support vector machines, SVM）
一、SVM简介 二、线性SVM算法原理 三、非线性SVM算法原理 一、SVM简介 支持向量机（support vector machines, SVM）是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机；SVM还包括核技巧，这使它成为实质上的非线性分类器。SVM的的学习策略就是间隔最大化，可形式化为一个求解凸二次规划的问题，也等价于正则化...
2020-05-01 23:08:48
878
1
转载 条件随机场（CRF）
假设你有许多小明同学一天内不同时段的照片，从小明提裤子起床到脱裤子睡觉各个时间段都有（小明是照片控！）。现在的任务是对这些照片进行分类。比如有的照片是吃饭，那就给它打上吃饭的标签；有的照片是跑步时拍的，那就打上跑步的标签；有的照片是开会时拍的，那就打上开会的标签。问题来了，你准备怎么干？ 一个简单直观的办法就是，不管这些照片之间的时间顺序，想办法训练出一个多元分类器。就是用一些打好标签的照片作为...
2020-04-28 09:27:33
177
转载 EM算法
EM算法也称期望最大化（Expectation-Maximum,简称EM）算法，它是一个基础算法，是很多机器学习领域算法的基础，比如隐式马尔科夫算法（HMM）， LDA主题模型的变分推断等等。 1.EM算法要解决的问题 EM算法解决这个的思路是使用启发式的迭代方法，既然我们无法直接求出模型分布参数，那么我们可以先猜想隐含数据（EM算法的E步），接着基于观察数据和猜测的隐含数据一起来极大化对数...
2020-04-26 23:10:10
251
转载 朴素贝叶斯
朴素贝叶斯算法原理小结 在所有的机器学习分类算法中，朴素贝叶斯和其他绝大多数的分类算法都不同。对于大多数的分类算法，比如决策树,KNN,逻辑回归，支持向量机等，他们都是判别方法，也就是直接学习出特征输出Y和特征X之间的关系，要么是决策函数Y=f(X)Y=f(X),要么是条件分布P(Y|X)P(Y|X)。但是朴素贝叶斯却是生成方法，也就是直接找出特征输出Y和特征X的联合分布P(X,Y)P(X,Y)...
2020-04-23 23:56:14
226
转载 线性回归
原理 损失函数，代价函数，目标函数 优化方法 evaluation 的指标 sklearn参数分析 原理： 使用多项式线性函数来拟合，得到回归函数，可用于预测变量之间的相互关系。 有数据集,其中, 其中n表示变量的数量，d表示每个变量的维度。 可以用以下函数来描述y和x之间的关系： ，确定正在上传…重新上传取消转存失败重新上传取消的值 ...
2020-04-21 21:12:25
225
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人