- 博客(9)
- 收藏
- 关注
原创 回归模型常用概率知识
(Cumulative Distribution Function,缩写为 CDF):描述一个随机变量概率分布的函数。对于一个给定的实数 x,累计分布函数 F(x)给出了随机变量 X小于或等于 x的概率。它给出了一个区间,以及预测值落入这个区间的概率(例如90%的预测区间意味着有90%的概率新的观测值会落在这个区间内)。在回归问题中,预测值是连续型随机变量,因此单个预测值的输出概率为0。在连续型随机变量的情境下,会说预测值落在某一个区间内的概率是多少。):描述一个随机变量处概率的浓淡。
2023-09-15 19:34:11
103
1
原创 判别模型(Discriminative Model)
1. 基本概念由生成模型推出,用特征的权重和b表示的分类模型。2. 推导过程推导过程从生成模型出发,首先推出sigmoid函数,然后推出z的表达式,最后得出权重和b的表达式。3. 训练过程使用了逻辑回归(Logistic Regression)进行训练。主要分为三步骤:Step 1: Function Set(选sigmoid函数),确定目标参数权重和b。Step 2: Goodness of a Function(使用交叉熵作为损失函数)Step 3:
2021-02-23 17:34:57
1450
原创 生成模型(Generative Model)
1. 基本概念目标是学习样本点的分布。学到后可以生成数据,故称为生成模型。2. 实现步骤(1) 假设样本点的分布(例如高斯分布)(2) 通过样本点计算均值和方差通常使用联合分布以减少参数的个数。共用协方差矩阵后,边界形状发生变化。(3)分类P(A|B),读作“在B的条件下A的概率”。...
2021-02-23 11:39:58
7208
原创 机器学习中variance和bias的含义、影响及解决方案
1. 基本概念bias(偏差):描述估计中心到真实中心的距离。variance(方差):描述样本点到估计中心的距离。2. 通过bias和variance的概念,可以引出underfitting和overfitting的概念:underfitting(欠拟合):如果模型不能拟合训练样本,则有较大的偏差。overfitting(过拟合):如果模型可以较好的拟合训练样本,而不能拟合测试样本,则有较大的方差。3. 解决方案出现bias大时,需重新设计模型:(1)增加输入的特征;
2021-02-14 22:32:02
668
原创 最近论文中常出现的语法错误的整理
最近论文中出现错误的整理1. and 前逗号的使用 (1)逗号用于分隔列表中的不同项目。 句子中包含数量≥3的单词,词组或者分句时,用逗号将其分隔开来。特别是在连接最后一个要素的并列词之前也加上逗号。例如, “Laura studied different types of animals, including mice, rats, rabbits, cats, and dogs.” 在这句话中在“and”之前的最后一个逗号称为牛津逗号。虽然这个逗号在某些格式中是可...
2021-01-14 11:22:04
708
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