机器学习4 生成学习算法

最新推荐文章于 2022-09-22 08:41:12 发布
最新推荐文章于 2022-09-22 08:41:12 发布
阅读量76 收藏
点赞数
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_43911373/article/details/115761523
版权

生成学习算法

定义是要去model p(x|y)，也就是求每个y值对应的特征相比于逻辑回归，生成学习算法有点追根溯源的感觉，然后根据求得的p(x|y)和先验概率p(y)，使用贝叶斯公式求得p(y|x)
在这里插入图片描述

1.高斯判别法

具体逻辑没学懂。感觉是对若干个类别分别套上高斯分布
GDA可以写成逻辑回归的形式，相对于逻辑回归来说，GDA是一种更加严格的形式。在实践中，使用逻辑回归会更加普遍

2.朴素贝叶斯

假设用来分类的所有特征都是独立的
还没研究的点：多元事件模型

3.小总结

当连续分布不能很好地使用GDA时，这时候可以离散他们，然后使用朴素贝叶斯

4.拉普拉斯平滑

因为朴素贝叶斯可能得出0/0的结果，所以对于每一项，如果是0就看作1，如果是1就看做2。这样算出来的概率更加接近真实

武理杜兰特
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
机器学习--生成学习算法
zkyzq的博客
07-01 684
这次的课Ng讲了一种与之前判别类算法不同的学习算法，称为生成学习算法(Generative Learning algorithms)。 一、简介     比如一个二分类问题，判别一种动物是大象还是狗，特征量有腿长，尾巴长，毛发浓密程度，体型等。有一批数据样本，之前的方法是对所有的数据建立模型，学习特征量和标签之间的关系，对于新输入的一个特征量，通过最优参数奠定的学习模型得出它是属于大象
机器学习-生成学习算法
绝黛雨儿
09-26 1412
情景： 区别动物，根据动物的特性，大象输出1，狗输出0； 1.判别型算法（discriminative learning） 直接学习p(y|x) 直接学习hθ(x)h_θ(x) logistic是判别型算法的一个例子整个过程中其实就是寻找一个最佳的“直线” Andrew Ng: Given a training set, an algorithm like logistic regres
机器学习笔记—生成学习
dengxun7056的博客
03-21 134
目前我们主要介绍了建模 p(y|x;θ) 的学习算法，即关于给定 x 后 y 的条件分布。例如，Logistic 回归把 p(y|x;θ) 建模为 hθ(x)=g(θθx)，其中 g 是 sigmoid 函数。本文将介绍一种不同类型的算法。 考虑一个分类问题，学习根据动物的特征区分大象（y=1）和狗（y=0）。给定一个训练集，像 Logistic 回归或者感知机这种算法会试图找到一条直...
斯坦福 机器学习-第二章 生成学习算法
hzp666的博客
08-23 1303
CS229 Lecture notes 原作者：Andrew Ng（吴恩达） 翻译：CycleUser   Part IV 生成学习算法，Generative Learning algorithms 目前为止，我们讲过的学习算法的模型都是p (y|x;θ)，也就是给定 x 下的 y 的条件分布，以 θ 为参数。例如，逻辑回归中就是以 hθ(x) = g(
生成学习算法（Generative Learning Algorithm）——机器学习
Norstc的博客
08-17 991
零 前言 0.1 不同的建模思路 之前讨论的回归模型，如线性回归、Logistic等都是在x的情况下对y的估计，即对p(y|x;θ)进行建模。 为什么使用这样一个条件概率？我们可以从直角坐标系出发给出一个感性的理解。若有m个特征，即xi最大下标为m，每个特征对应不同的一个x轴，其与相同的y轴构成了多个y-xi平面，在每个平面都有一个曲线，拟合结果是给定每个xi得到预测yi的总和。所以都是给定...
机器学习算法竞赛实战.docx
09-13
在机器学习中，算法不断对输入数据进行学习，并生成模型来解释和预测数据。 机器学习的基本概念包括样本、特征、标签、训练集、测试集和模型等。样本是数据的最小单位，每个样本都包含输入特征和对应的目标标签。...
李群机器学习(LML)的学习子空间轨道生成理论及算法初探.pdf
09-24
实验结果表明，李群机器学习的学习子空间轨道生成算法可以有效地解决机器学习中的高维性、非线性、高阶问题，并且可以取得较高的分类正确率。 本文对李群机器学习的学习子空间轨道生成理论及算法进行了初步的探索，...
什么是机器学习算法以及学习机器学习算法的意义
05-12
机器学习算法
李群机器学习(LML)的学习子空间轨道生成格算法.pdf
09-24
李群机器学习（Lie Group ...轨道生成格算法作为LML的一部分，展示了在分类任务上的优越性能，对于提升机器学习的准确性和处理复杂数据的能力具有重要意义。这一研究方向为未来机器学习的发展提供了新的可能和方向。
机器学习算法的概要介绍与分析
05-12
机器学习算法是人工智能领域中的核心技术之一，它赋予了计算机系统从数据中学习和改进的能力。以下是对机器学习算法的资源描述： 机器学习算法是一种通过训练数据自动调整和优化模型参数，以实现对新数据预测或分类...
【学习笔记】斯坦福大学公开课（机器学习） 之生成学习算法：朴素贝叶斯
大白的博客
06-21 407
朴素贝叶斯（Naive Bayes）在上一篇介绍的高斯判别分析模型，特征向量XX是连续的实向量。对于离散的特征值来说xx，我们就需要用到另一种模型。 现在我们需要建立一个模型，来识别一封邮件是否是垃圾邮件。邮件分类是众多文本分类问题中的一种。 在开始建立模型之前，我们需要特征值xix_{i}来表示邮件的内容。首先我们要指定一个特征向量，其长度就是字典中单词的个数。如果在邮件中，该单词出现了，那么
【斯坦福---机器学习】复习笔记之生成学习算法
Mr.Lau的博客
03-27 681
本讲大纲： 1.生成学习算法（Generative learning algorithm）  2.高斯判别分析（GDA，Gaussian Discriminant Analysis）  3.朴素贝叶斯（Naive Bayes）  4.拉普拉斯平滑（Laplace smoothing） 1.生成学习算法 判别学习算法（discriminative learning algor
【ML】 第17章 使用自动编码器和 GAN 的表示学习和生成学习
热门推荐
sikh_0529的博客
09-22 1万+
自动编码器是人工神经网络，能够学习输入数据的密集表示，称为潜在表示或编码，无需任何监督（即，训练集未标记）。这些编码通常具有比输入数据低得多的维度，这使得自动编码器可用于降维（参见第 8 章），尤其是用于可视化目的。自编码器也可以作为特征检测器，它们可以用于深度神经网络的无监督预训练（正如我们在第 11 章中讨论的那样）。最后，一些自编码器是生成模型：它们能够随机生成看起来与训练数据非常相似的新数据。例如，您可以在人脸图片上训练自动编码器，然后它就能够生成新的人脸。然而，生成的图像通常是模糊的，并不完全真实
（笔记）斯坦福机器学习第五讲--生成学习算法
weixin_30552811的博客
06-03 343
本讲内容 1. Generative learning algorithms（生成学习算法） 2. GDA（高斯判别分析） 3. Naive Bayes（朴素贝叶斯） 4. Laplace Smoothing（拉普拉斯平滑） 1.生成学习算法与判别学习算法 判别学习算法：直接学习或者学习一个假设直接输出0或者1。logistic回归是判别学习算法的一个例子。 生...
机器学习（十五）——生成学习算法（Generative Learning algorithms）
qq_31589695的博客
04-25 1153
原文：http://cs229.stanford.edu/notes/cs229-notes2.pdf到目前为止，我们主要讨论的学习算法，模型p(y|x；θ)，即给定x的条件下，y的条件分布。例如，Logistic回归将p(y|x；θ)建模为，其中g是Sigmoid函数。下面，我们将讨论一种不同类型的学习算法。考虑一个分类问题，根据动物的一些特征，我们想要学习区分大象(y=1)和狗(y=0)。给定...
物流物流物流物流物流物流物流物流
09-09
物流物流物流物流物流物流物流物流
DC-AC PWM逆变器simulink.rar
最新发布
09-09
1.版本：matlab2014/2019a/2024a 2.附赠案例数据可直接运行matlab程序。
机器学习入门：十大算法简易图解
"这篇文章以通俗易懂的方式介绍了机器学习中十大常用的算法，包括决策树、随机森林、逻辑回归、SVM、朴素贝叶斯、K近邻算法、K均值算法、Adaboost、神经网络和马尔可夫模型。文章通过简化的解释和示例帮助读者理解...
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