机器学习笔记
吴恩达机器学习课程+周志华西瓜书
无穷升高的卡农
本硕人工智能方向,之后从事搜推方向的工作。关注CV、RS、大模型。
展开
-
【机器学习】生成模型与判别模型详解
生成模型与判别模型1.定义2.通俗解释例1:猫狗分类例2:如何确定一只羊是山羊还是绵羊例3.识别一种语言是哪种语言例4.跟踪问题3.如何选择哪种模型主要来源:[白话解析] 深入浅出最大熵模型1.定义生成模型(Generative Model, GM):先对联合概率P(x,ω)P(x, ω)P(x,ω)建模,然后再求取后验概率模型。判别模型(Discriminative Model, DM):从数据集D中直接估计后验概率模型:P(ω1∣x),P(ω2∣x),...,P(ωN∣x)P(ω_1 | x)转载 2020-06-13 09:19:58 · 908 阅读 · 0 评论 -
【机器学习】隐马尔可夫模型(HMM)
隐马尔可夫模型(HMM)1.部分参考内容2.引言3.隐马尔可夫模型的定义1.部分参考内容Youtube(无中文字幕)隐马尔可夫模型(HMM)详解2.引言Alice和Bob住的很远,只能通过电话交流。Bob的心情会随天气的好坏而变化,天气sunny的时候,他就happy,天气rainy的说话,他就grumpy。Bob通过电话告诉Alice他很happy,Alice就可以推测Bob那的天气是sunny,反之,也可以推测出rainy。那么,如果问题再稍微复杂一点呢。假如Bob的心情在s原创 2020-06-11 22:22:40 · 2351 阅读 · 1 评论 -
多分类学习
多分类学习1.引言2.OvO3.OvR4.MvM4.1 编码4.2 学习4.3解码1.引言对于神经网络来说,多分类是完全不成问题的。但是对于传统的机器学习方法来说,一些算法可能并不能直接用来进行多分类。比如,基本的逻辑回归只能做二分类。所以,为了让那些仅可以做二分类的算法解决多分类问题,很多方法都被提出了。这其中,主要有OvO,OvR,MvM。2.OvO也就是一对一。即把N分类问题分解成N(N-1)/2个二分类问题,训练出N(N-1)/2个分类器,使用时,将样本同时提交给所有分类器,然后对这些分原创 2020-06-08 21:41:20 · 467 阅读 · 0 评论 -
SVM与Logistic回归的区别
SVM与Logistic回归的区别1.相同点1.1 都是分类算法1.2 如果不考虑核函数,LR和SVM都是线性分类算法1.3 LR和SVM都是监督学习算法。1.4 LR和SVM都是判别模型.2.不同点2.1 本质上是其loss function不同2.2 支持向量机只考虑局部的边界线附近的点,而逻辑回归考虑全局.2.3 在解决非线性问题时,支持向量机采用核函数的机制,而LR通常不采用核函数的方法2...转载 2020-05-05 10:29:01 · 1761 阅读 · 0 评论 -
【7】SVM
SVM1.前言2.间隔和支持向量(基本原理)3.对偶问题1.前言在神经网络火之前,SVM是一种很强大很火的算法,只是神经网络火了以后,SVM就逐渐“没落”了,但这并不妨碍它在传统算法里的强大。在很多时候,他也是十分有用的。像fisher和感知器一样,SVM在分类任务中也是要找一个最优的超平面,让这个超平面能够分开不同类别的样本,使总的错误率最小。只是三种算法求最优超平面的方法不一样。最优的超...原创 2020-04-10 21:12:46 · 630 阅读 · 1 评论 -
【6】集成学习之AdaBoost
AdaBoost1.前言1.前言原创 2020-03-19 15:50:26 · 404 阅读 · 0 评论 -
【5】集成学习之随机森林
随机森林1.前言2.随机森林2.1 为什么会有随机森林2.2 建立一个随机森林step1:创建一个引导(bootstrapped)数据集step2:使用引导数据集建立决策树step3:重复2.3 怎么使用一个随机森林3.评估随机森林4.怎么确定选择属性的个数5.Warning of Math1.前言本文参考视频:https://www.youtube.com/watch?v=J4Wdy0Wc...原创 2020-03-19 08:30:38 · 331 阅读 · 0 评论 -
【4】决策树
决策树1.基本流程1.1介绍1.2算法2.划分选择(每个结点如何选特征)2.1 信息增益(ID3算法)2.2例子2.3 增益率(C4.5算法)2.4 基尼指数(CART决策树)3.剪枝处理3.1 预剪枝3.2 后剪枝4.连续和缺失值4.1 例子4.2 缺失值处理4.2 例子5.多变量决策树6.总结1.基本流程1.1介绍决策树算法主要用来解决分类问题,但是也可以用来解决回归问题。如图,下面是...原创 2020-03-18 08:51:55 · 626 阅读 · 0 评论 -
【3】线性模型
线性模型本节内容:一元线性回归多元线性回归广义线性模型对数几率回归注意:所有的向量默认是列向量虽然建议大家了解计算过程,但是实际应用中计算用的不多,都是使用的现成的工具。可以跳过.什么是线性模型给定由d个属性描述的示例x={x1;x2;x3;…;xd},其中xi是x在第i个属性上的取值。线性模型试图学得一个通过属性得线性组合来进行预测得函数,即:很好理解,线性模型就是...原创 2020-03-03 22:06:11 · 302 阅读 · 0 评论 -
【2】模型评估与选择
模型评估与选择在机器学习项目中,归根结底是要建立一个模型,能很好的解决我们的问题。比如,图像分类。但是,怎样去衡量一个模型的好坏呢?又怎样在多个模型中选择最好的那一个呢。一般情况下,这个问题也不难理解。比如做一个二分类问题,只要分类的结果正确的越多,当然模型的准确率就越高,有多个模型时,选择正确的最多的那个就好了。(不考虑算法复杂度的情况下)但是,如果问题比较复杂,可能单纯的准确率就无法满足...原创 2020-03-01 16:24:46 · 607 阅读 · 0 评论 -
【1】机器学习概述
机器学习概述机器学习的应用场景,发展历史什么的都不再赘述了,这些东西在随便一本和机器学习有关的书的开头都能找到。在这就只讲理论了。1.什么是机器学习机器学习有很多定义,但是却没有一个统一的定义。一些定义如下:吴恩达:Machine Learning is the science of getting computers to act without beingexplicitly ...原创 2020-02-28 23:37:40 · 280 阅读 · 1 评论