统计学习方法笔记
Wine Ray
这个作者很懒,什么都没留下…
展开
-
统计学习方法之朴素贝叶斯法
朴素贝叶斯 目录朴素贝叶斯4.1朴素贝叶斯的学习与分类4.1.1基本方法4.1.2后验概率最大化的含义4.2朴素贝叶斯的参数估计4.2.1极大似然估计4.2.2学习与分类算法4.2.3贝叶斯估计4.3总结 朴素贝叶斯法是基于贝叶斯定理和特征条件独立假设的分类方法。 该方法简单,预测效率高,但由于特征条件独立假设条件较强,会损失一定的准确率。 4.1朴素贝叶斯的学习与分类 4.1.1基本方法 输入空间:X⊆Rn\mathcal{X}\subseteq\R^nX⊆Rn,输出空间:Y={c1,c2,...,cK}原创 2020-09-11 13:43:26 · 144 阅读 · 0 评论 -
统计学习方法笔记第二章-感知机
统计学习方法笔记第二章-感知机2.1 感知机模型2.2感知机学习策略2.2.1数据集的线性可分型2.2.2感知机学习策略2.3感知机学习算法2.3.1感知机算法的原始形式 感知机的介绍:感知机是一个二分类的线性分类模型,输入为特征向量,输出为实例的类别,取+1和-1二值。感知机对应于输入空间(特征空间)中将实例划分为正负两类的分离超平面,属于判别模型。 感知机学习旨在求出将训练数据进行线性划分的分离超平面,为此,导入基于误分类的损失函数(lost function),利用梯度下降法对损失函数进行极小化,求得原创 2020-05-23 16:31:13 · 216 阅读 · 1 评论