深度学习 Day4.1 Classification

本文探讨了概率生成模型的构建过程,包括假设数据服从高斯分布,计算均值、协方差矩阵,以及后验概率的求解。在模型评估方面,文章未具体展开。此外,文章还介绍了Sigmoid函数在从后验概率到二元分类决策中的转换,详细阐述了Sigmoid参数z的计算方法。
摘要由CSDN通过智能技术生成

目录

1. Probabilistic Generative Model

1.1 模型设定:

1.2 模型好坏的评价

1.3 寻找最优解

2. Sigmoid function

2.1 从Posterior Probability 到 sigmoid function

2.2 Sigmoid function 的参数 z的计算


1. Probabilistic Generative Model

1.1 模型设定:

      1)假定数据服从高斯分布

       2)求解 均值 和 协方差矩阵

       3)计算P(X|C1),

       4)计算P(C1|X)

1.2 模型好坏的评价

1.3 寻找最优解

——直接计算即可

2. Sigmoid function

2.1 从Posterior Probability 到 sigmoid function

2.2 Sigmoid function 的参数 z的计算

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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