机器学习-统计学习1

最新推荐文章于 2024-04-22 17:20:57 发布
最新推荐文章于 2024-04-22 17:20:57 发布
阅读量117 收藏
点赞数
分类专栏： 机器学习 文章标签： 机器学习 统计学
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_41741485/article/details/104734179
版权

统计学习

MLE（极大似然估计）

极大似然方法
基本概念
  • 概率分布
    用在这里插入图片描述表示一个概率分布，在这里插入图片描述是该分布的参数。例如，抛掷硬币的概率分布为：
    在这里插入图片描述
  • 样本
    从概率分布中产生的数据称为样本，在这里插入图片描述是从该分布中产生的n个样本。
  • 离散/连续分布
    当x取离散值时，称变量x的分布为离散分布；取连续值时，则称为连续分布。
  • 离散/连续参数
    当在这里插入图片描述取离散值时，称为离散参数；取连续值时，称在这里插入图片描述是连续参数。
  • 极大似然方法
    在这里插入图片描述
    在这里插入图片描述
离散分布-离散有限参数

在这里插入图片描述
在这里插入图片描述

离散分布-连续分布

在这里插入图片描述
在这里插入图片描述

连续分布-连续参数

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

最大后验估计MAP

概述
  • 数据集
    在这里插入图片描述
  • 先验概率分布
    在这里插入图片描述
  • 似然函数
    在这里插入图片描述
  • 后验概率分布
    在这里插入图片描述
  • 定义
    通过求解后验概率最大值来推断未知参数的方法称为最大后验法。
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

贝塔分布

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

amorfatilily
关注
专栏目录
机器学习知识点全面总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
04-12 13万+
机器学习按照模型类型分为监督学习模型、无监督学习模型和概率模型三大类,文章对十大机器学习算法进行详细介绍并阐述机器学习其他概念问题，可作为机器学习初学者学习使用。
机器学习 --- 线性回归
Junds0的博客
01-20 3176
第1关：简单线性回归与多元线性回归 第1题 BC 第2题 ABC 第3题 线性回归分析中，目标是残差最小化。残差平方和是关于参数的函数，为了求残差极小值，令残差关于参数的偏导数为零，会得到残差和为零，即残差均值为零。 第2关：线性回归的正规方程解 #encoding=utf8 import numpy as np def mse_score(y_predict,y_test): ''' input:y_predict(ndarray):预测值 y_test(ndarra
统计机器学习【1】- 入门机器学习（一）
weixin_43763859的博客
05-23 793
##一、统计学习 1、什么是统计学习？ 统计学习是关于计算机基于数据构建概率模型并运用模型对数据进行预测与分析的一门学科。统计学习也称为统计机器学习。 2、统计学习的特点： （1）统计学习以计算机及网络为平台，是建立在计算机及网络之上的； （2）统计学习以数据为研究对象，是数据驱动的学科； （3）统计学习的目的是对数据进行预测与分析； （4）统计学习以方法为中心，统计学习方法构建模型并应用模型进行预测与分析； （5）统计学习是概率论、统计学、信息论、计算理论、最优化理论及计算机科学等多个领域的交叉学科。
机器学习算法中的概率方法
weixin_33898233的博客
03-17 1719
雷锋网(公众号：雷锋网) AI 科技评论按，本文作者张皓，目前为南京大学计算机系机器学习与数据挖掘所（LAMDA）硕士生，研究方向为计算机视觉和机器学习，特别是视觉识别和深度学习。 个人主页：http://lamda.nju.edu.cn/zhangh/。该文为其对雷锋网 AI 科技评论的独家供稿，未经许可禁止转载。 摘要 本文介绍机器学...
机器学习——统计学习方法概述
C_teacher的博客
05-21 1952
学习机器学习的一些入门概念，以下内容出自《统计学习方法》这本书第一章的内容。 1 统计学习 统计学习（statistical learning）是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科。统计学习也称为统计机器学习（statistical machine learning）。 1.1统计学习的主要特点 （1）统计学习以计算机及网络为平台，是建立在计算机及网络之上的； （2）统计学习以数据为研究对象，是数据驱动的学科； （3）统计学习的目的是对数据进行预测与分析； （4）统计
机器学习---sklearn
weixin_44838881的博客
05-21 4万+
1.Sklearn简介 sklearn (全称 Scikit-Learn) 是基于 Python 语言的机器学习工具,Sklea是处理机器学习 (有监督学习和无监督学习) 的包。它建立在 NumPy, SciPy, Pandas 和 Matplotlib 之上，其主要集成了数据预处理、数据特征选择，sklearn有六个任务模块和一个数据引入模块： 有监督学习的分类任务 有监督学习的回归任务 无监督学习的聚类任务 无监督学习的降维任务 数据预处理任务 模型选择任务 数据引入 具体流程如下： 下载 skl.
1.机器学习-机器学习算法分类概述
weixin_50804299的博客
01-17 8172
监督学习是机器学习中最常用的一种重要方法，它利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程。简单来说，监督学习就是从已有的标记数据中学习模型，然后利用这个模型对新的未知数据进行预测。 在监督学习中，每个样本都包含输入特征和对应的输出标签。 输入特征也称为特征向量，是一个可以描述样本特性的值； 输出标签通常是离散的类别标签或者连续的数值标签，用来表示样本所属的类别或者具有的属性。 通过训练，模型将学会从输入特征中预测出相应的输出标签。 监督学习的应用场景非常广泛，包括但不限于分类、回归、
机器学习中的F1-score
热门推荐
Yucen的博客
09-13 24万+
一、什么是F1-score F1分数（F1-score）是分类问题的一个衡量指标。一些多分类问题的机器学习竞赛，常常将F1-score作为最终测评的方法。它是精确率和召回率的调和平均数，最大为1，最小为0。 此外还有F2分数和F0.5分数。F1分数认为召回率和精确率同等重要，F2分数认为召回率的重要程度是精确率的2倍，而F0.5分数认为召回率的重要程度是精确率的一半。计算公式为： G...
【机器学习-18】特征筛选：提升模型性能的关键步骤
qq_38614074的博客
04-22 1万+
我们将介绍不同类型的特征筛选方法，包括基于统计的方法、基于模型的方法和嵌入式方法等，并详细解释每种方法的原理和适用场景。通过特征筛选，我们可以减少数据集的维度，降低模型的复杂度，提高模型的泛化能力，并加速模型的训练过程。通过选择适当的特征筛选方法，我们可以减少模型的复杂度，提高模型的泛化能力，并加速模型的训练过程。然而，并非所有的特征都对模型的性能提升有所贡献，有些特征甚至可能是冗余的、噪声较大的或者与目标变量无关的。我们的目标是通过特征筛选选择出对欺诈检测最有用的特征，以提高模型的预测精度。
【机器学习-01】机器学习基本概念与建模流程
qq_38614074的博客
03-15 6873
机器学习基本概念和建模流程介绍
机器学习必读经典-统计学习方法-配套课件
06-05
《统计学习方法》是一本经典的机器学习教材，由李航编写。这本书分为两篇，详细介绍了监督学习和无监督学习的主要方法。第一篇涵盖了决策树、感知机、支持向量机、最大熵模型、逻辑斯谛回归、EM算法、隐马尔科夫模型...
人工智能-机器学习-基于机器学习和统计方法的蛋白质结构特征预测木瑞塔.pdf
04-12
标题中的“人工智能-机器学习-基于机器学习和统计方法的蛋白质结构特征预测木瑞塔.pdf”暗示了这篇文档主要探讨的是如何运用人工智能领域的机器学习技术和统计方法来预测蛋白质的结构特性。蛋白质结构预测是一个关键...
统计学习方法-机器学习-第四章：朴素贝叶斯法
最新发布
07-25
统计学习方法-机器学习-第四章：朴素贝叶斯法
人工智能-机器学习-基于Rough集方法的机器学习技术研究.pdf
06-30
《人工智能-机器学习-基于Rough集方法的机器学习技术研究》探讨了人工智能领域中机器学习的重要分支——基于Rough集方法的机器学习技术。Rough集理论是20世纪80年代由波兰的Z.Pawlak教授提出的，主要用于处理模糊和...
线图神经网络（Line graph neural network, LGNN）
weixin_41741485的博客
03-31 7408
这一部分，我们可以通过实现一个线图神经网络（LGNN）来解决社团检测。社团检测，或者说图聚类，指的是将图中的节点划分为簇，而且簇内的节点比簇间的节点具有更高的相似性。 在图神经网络中，我们可以了解到如何以一种半监督方式来对一张输入图的节点进行分类。我们使用图卷积网络作为图特征的嵌入机制。 为了将图神经网络概况为有监督的社团检测， 论文Supervised Community Detection w...
时序数据表示学习
weixin_41741485的博客
10-20 1610
时序数据表示学习研究背景及工作概述 时序数据在我们的日常生活中广泛存在，随着采集设备不断升级，各类传感器的大规模部署，每天都在以数以亿计的速度产生时序数据。 主要包括遥感领域的GPS轨迹数据，包括卫星通讯，态势监控，雷达遥感，以及其他领域的设备日志，操作记录，用户活动等等。 这类数据具有数据体量庞大，关联信息异构，分析任务多样等特点 对于时序数据的处理框架主要聚焦在存储和索引上，而传统的分析算法难以适应大规模、异构、复杂的分析任务 在2012年斯坦福的教授第一次将深度学习框架引入了时序数据建模上。从而开.
图注意力网络GAT in DGL
weixin_41741485的博客
04-09 1492
GAT in DGL GAT引入注意力机制来代替静态的归一化卷积操作。 from dgl.nn.pytorch import GATConv import torch import torch.nn as nn import torch.nn.functional as F class GATLayer(nn.Module): def __init__(self, g, in_d...
机器学习-强化学习
weixin_41741485的博客
03-14 1488
强化学习简介 什么是强化学习？ 强化学习是多学科多领域交叉的一个产物，它的本质就是解决“决策”问题，即学会自动进行决策。强化学习是一个“序列决策”问题，它需要连续选择一些行为，从而这些行为完成后得到最大的收益最好的结果。 强化学习的方式 它在没有任何label告诉算法应该怎么做的情况下，通过先尝试做出一些行为得到一个结果，通过先尝试做出一些行为得到一个结果，通过判断这个结果是对还是错来对之前的行为...
异常值检验
weixin_41741485的博客
03-06 1026
异常值检验 什么是异常值 异常点（outlier）是一个数据对象，它明显不同于其他的数据对象，分为记录异常和非记录异常。 异常值检验的应用 信用卡欺诈检测、电信欺诈检测、网络入侵检测、故障检测。 怎样确定异常值 数据中有多少离群值（怎么界定） 方法往往是无人监督的，验证可能相当具有挑战性（就像聚类） 异常检测的方法 基于规则的方法 基于模型的方法 可视化判断 箱形图（1-D）和散点图（2-...
统计学习方法与机器学习基础
“第1章 机器学习和统计学习.pptx——李航老师《统计学习方法》第2版课件，介绍了机器学习的基本概念、统计学习理论以及相关的学习资源。” 机器学习是现代人工智能领域的核心组成部分，它涉及多个学科的交叉应用，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值