一步一步机器学习（三）：生成式学习算法

最新推荐文章于 2024-06-10 07:59:31 发布
最新推荐文章于 2024-06-10 07:59:31 发布
阅读量1.4k 收藏 2
点赞数
分类专栏： 一步一步机器学习 文章标签： 算法 机器学习 朴素贝叶斯算法
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_44609374/article/details/104382515
版权

生成式学习算法与判别式学习在底层逻辑上有很大区别。生成式学习算法对于特征分布的建模，其思想是“知其然，也知其所以然”，采用贝叶斯推断（Bayes Rule）作为算法核心其实更体现出这是一种人工指导学习规则的学习算法，与大家熟知的“一步步减小损失函数”有很大的不同。具体看笔记。

生成式学习算法总结如下

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

最低0.47元/天 解锁文章
傅氏袍子
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
（笔记）斯坦福机器学习第五讲--生成学习算法
weixin_30552811的博客
06-03 328
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...
【人工智能】机器学习、深度学习、生成式学习
weixin_51663347的博客
06-24 623
如何找到θ∗\theta^*θ∗？使用Backpropagation计算微分。
机器学习--生成式模型和判别式模型的具体分析
最新发布
weixin_42367888的博客
06-10 832
生成式模型是用于建模输入数据 (X) 和标签 (Y) 的联合概率分布 (P(X, Y))。通过学习联合分布，生成式模型可以推导出条件概率 (P(Y|X)) 进行分类，并且能够生成新的数据样本。
ChatGPT生成式算法及发展历程
互联网架构师笔记
04-26 5200
GPT（Generative Pre-Trained Transformer）系列是OpenAI开发的一系列以Transformer为基础的生成式预训练模型，目前包括文本预训练模型GPT-1，GPT-2，GPT-3，InstructGPT、ChatGPT，图像预训练iGPT，GPT-4。
机器学习-生成学习算法
绝黛雨儿
09-26 1361
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
生成式深度学习
YouthExplorer的博客
12-31 532
本章包括以下内容： - 使用 LSTM 生成文本 - 实现 DeepDream - 实现神经风格迁移 - 变分自编码器 - 了解生成式对抗网络
第8章 生成式深度学习
qq_36744449的博客
04-22 1428
深度学习不仅在于其强大的学习能力，更在于它的创新能力。我们通过构建判别模型来提升模型的学习能力，通过构建生成模型来发挥其创新能力。判别模型通常利用训练样本训练模型,然后利用该模型，对新样本x，进行判别或预测。而生成模型正好反过来，根据一些规则y，来生成新样本x。 生成式模型很多，本章主要介绍常用的两种：**变分自动编码器(VAE)和生成式对抗网络(GAN)**及其变种。虽然两者都是生成模型，并且通过各自的生成能力展现其强大的创新能力，但他们在具体实现上有所不同。 GAN基于博弈论，目的是找到达到纳什均衡的判
机器学习十大算法：Apriori.pdf
10-05
《机器学习十大算法：Apriori》是关于数据挖掘领域中的经典算法之一的详细解析。Apriori算法是关联规则学习中最著名的算法，主要用于发现数据库中项集之间的频繁模式和关联规则。该算法的核心思想是基于“频繁项集”...
Python-RasaCore基于机器学习的对话引擎用于会话软件
08-11
Rasa Core 是一个开源的机器学习框架，专为构建会话式应用程序而设计。它允许开发者创建高度个性化的自然语言处理（NLP）聊天机器人，这些机器人能够理解和响应用户输入，提供个性化交互体验。在Python开发领域，...
Python-用算法生成舞蹈动画
08-12
总的来说，"Python-用算法生成舞蹈动画"项目展示了Python在艺术创新中的应用潜力，同时也体现了机器学习在理解和生成复杂序列数据方面的强大能力。通过理解并掌握这些技术和概念，开发者可以创造出更多富有创意和...
MachineLearningFabianR：curida机器学习活动
02-19
这个项目使用了Jupyter Notebook，这是一个广泛用于数据分析、机器学习和教学的交互式计算环境。Jupyter Notebook允许用户结合代码、文本、数学公式和可视化来创建可执行的文档，便于分享和理解复杂的分析过程。 在...
生成式学习算法
weixin_33681778的博客
10-07 146
考虑一个分类问题： 根据一个动物的特征来区分该动物是大象（y=1）还是狗（y = 0）.利用逻辑回归找到一条直线，即分界线，将训练集中的大象和狗分开，当给定一个新的动物特征时，检查该动物位于分界线的哪一边，然后做出判断是大象，还是狗，就是对p(y|x；θ)进行建模。 这里我们来看另一种不同的思路,首先根据训练集，我们找出大象有什么特征，然后找出狗有什么特征，当要对一个新的动物进行分类的时候，我...
【计算机视觉中的 GAN 】 - 生成学习简介（1）
gongdiwudu的专栏
07-29 4877
在阅读本文之前，强烈建议先阅读预备知识，否则缺乏必要的推理基础。本文是相同理论GAN原理的具体化范例，阅读后有两个好处：1 巩固了已经建立的GAN基本概念 2 对具体应用的过程和套路进行常识学习，这种练习题一般的项目，是需要反复几个才能成为行家。好了，我们出发吧！
生成式算法与判别式算法
小白进阶的博客
09-21 2338
前言：网易公开课机器学习 第五课 生成学习算法的观后感或者总结笔记1. 区别生成式算法：对p(x|y)和p(y)进行建模，也可以说是对p(x,y)进行建模，即求x，y的联合分布。比如GDA(Gaussian Discriminant Analysis)，有两个类别0和1，分别对p(x|y=0)和p(x|y=1)进行建模，还有p(y=0)和p(y=1)进行建模，最终y^=argmaxip(x|y=i)
机器学习：生成式模型和判别式模型
Yucen的博客
12-23 8932
决策函数Y=f(X)与条件概率分布P(Y|X) 决策函数Y=f(x)：输入一个x，它就输出一个y值，这个y与一个阈值比较，根据比较结果判定x属于哪个类别。 条件概率分布P(y|x)：输入一个x，它通过比较它属于所有类的概率，然后预测时应用最大后验概率法（MAP）即比较条件概率最大的类为x对应的类别。 举个例子，对于一个二分类问题：对于Y=f(x)形式的分类模型，如果输出Y大于某个阈值V就属于...
Discriminative Learning (判别式学习）和Generative Learning（生成式学习）
weixin_43120238的博客
10-07 3145
Discriminative Learning 给定一个观测值x，判别式模型（discriminative model）是目标Y的条件概率，即P(Y∣X=x)P(Y|X =x)P(Y∣X=x)。 举个例子：（猫狗分类） Try to find a straight line (decision boundary) that can separates the cats and dogs. 寻找一个分类边界来将cats和dogs的数据分开。 Check which side of the new data..
干货| 机器学习模型与算法最全分类汇总！
热门推荐
Python数据之道
07-13 1万+
来源：机器学习实验室机器学习Author：louwillMachine Learning Lab本文总共涉及了26种机器学习模型与算法，几乎涵盖了全部主流的机器学习算法。包括：线性回归、逻辑回归、Lasso回归、Ridge回归、线性判别分析K近邻、决策树、感知机、神经网络、支持向量机AdaBoost、GBDT、XGBoost、LightGBM、CatBoost、随机森林聚...
机器学习算法的总结，欢迎下载浏览观看
11-25
机器学习算法的总结，涉及机器学习基础知识，各种算法的评价指标，需要用的python库，涉及线性回归，逻辑回归，聚类，决策树，集成，SVM六种算法，有详细的代码和代码解释，运行结果的总结与分析，运行环境PyCharm和Jupyter Notebook，适合初学者，欢迎下载观看。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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