- 博客(5)
- 收藏
- 关注
原创 线性可分支持向量机学习笔记
线性可分支持向量机学习笔记线性可分支持向量机的定义:几何间隔定义间隔最大化最大间隔分离超平面的存在唯一性待补充参考文献假设一个特征空间上的训练数据集T=(x1,y1),(x2,y2),…,(xN,yN)T={(x_1, y_1), (x_2, y_2), …, (x_N, y_N)}T=(x1,y1),(x2,y2),…,(xN,yN),其中xi∈Rn,yi∈{+1,−1},i=1,...
2020-04-30 11:27:23
242
1
原创 CRF学习笔记
条件随机场概率无向图条件随机场的定义参考概率无向图概率无向图,也成为了马尔科夫随机场,是一个可以有无向图表示的联合概率分布。定义如下:设有联合概率分布P(Y)P(Y)P(Y),由无向图G=(V,E)G=(V, E)G=(V,E)表示,在图GGG中,节点表示随机变量,边表示随机变量之间的依赖关系。如果联合概率分布P(Y)P(Y)P(Y)满足成对、局部或全局马尔科夫性,就称此联合概率分布为概率无...
2020-04-29 13:54:55
201
原创 EM算法学习笔记
EM介绍最大期望算法(Expectation-Maximization algorithm, EM),是一类通过迭代进行极大似然估计的优化算法,用于对包含隐变量或缺失数据的概率模型进行参数估计 ,EM算法的标准计算框架由E步(Expectation-step)和M步(Maximization step)交替组成,算法的收敛性可以确保迭代至少逼近局部极大值。EM算法算法流程输入:观测变量数据...
2020-04-25 10:21:08
351
原创 机器学习笔记——朴素贝叶斯
朴素贝叶斯算法贝叶斯定理概率事件条件概率联合概率贝叶斯定理概率事件事件A发生的概率记为P(A)P(A)P(A),事件B发生的概率记为P(B)P(B)P(B),条件概率在事件A发生后发生B事件的概率记为P(B∣A)P(B|A)P(B∣A),在事件B发生后发生事件A的概率为P(A∣B)P(A|B)P(A∣B),联合概率事件A和B同时发生的概率为联合概率,记为为P(A,B)(即P(A和B)...
2020-04-23 11:03:29
205
原创 线性回归笔记
线性回归介绍优化策略正则化介绍线性回归的假设是在输入X1,…,Xp与回归方程E(Y|X)的关系是线性的。对于输入向量XT=(X1,X2,...,Xp)X^T =(X_1, X_2,..., X_p)XT=(X1,X2,...,Xp), 线性回归模型公式为:f(X)=β0+∑j=1p(Xjβj).f(X) = β_0 + \sum_{j=1}^p(X_jβ_j).f(X)=β0+j=...
2020-04-21 15:15:34
338
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