- 博客(5)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 [HITML]哈工大2020秋机器学习期末试题
哈工大2020秋机器学习期末试题(1) 样本标签Y和属性A1之间的信息可以选择属性。给出互信息的定义。(2) 决策树空间很大，用互信息（信息增益）选择属性的目的？这样做有什么好处？(3) 如何避免决策树过拟合？Y为类别（两类，Y=0和Y=1）随机变量，将真实类为1的样本判断为类0造成的损失为a，反之为b，如下表。那么期望损失最小意义下的分类准则？并用图例说明。Y：真实 \ 预测0100a1b0(1) 结合图给出线性可分情况下的SVM的目标函数
2020-11-22 18:58:22
2867
2
原创 [HITML]哈工大2020秋机器学习复习笔记
文章目录1 基础1.1 机器学习中的概率1.2 最大似然估计、最大后验概率1.3 最小二乘法、梯度下降法、共轭梯度法2 决策树2.1 熵2.2 条件熵2.3 相对熵（KL散度）2.4 交叉熵3 贝叶斯判别3.1 最优分类器3.2 线性判别3.3 生成式模型与判别式模型3.4 KNN4 线性回归、朴素贝叶斯与逻辑回归4.1 线性回归4.2 过拟合4.3 偏置与方差4.4 特征变换4.5 朴素贝叶斯4.6 逻辑回归5 SVM5.1 基本问题5.2 对偶问题5.3 软间隔 Soft Margin Hyperpla
2020-11-22 12:39:07
4095
2
转载 详解最大似然估计（MLE）、最大后验概率估计（MAP），以及贝叶斯公式的理解
原文连接：https://blog.csdn.net/u011508640/article/details/72815981最大似然估计（Maximum likelihood estimation, 简称MLE）和最大后验概率估计（Maximum a posteriori estimation, 简称MAP）是很常用的两种参数估计方法，如果不理解这两种方法的思路，很容易弄混它们。下文将详细说明MLE和MAP的思路与区别。但别急，我们先从概率和统计的区别讲起。概率和统计是一个东西吗？概率（probab
2020-11-16 22:29:29
1020
原创 [HITML]哈工大2020秋机器学习Lab4实验报告
2020年春季学期 计算学部《机器学习》课程 Lab4 实验报告 姓名 学号 班号 电子邮件 手机号码 1 实验目的实现一个PCA模型，能够对给定数据进行降维（即找到其中的主成分）2 实验要求及实验环境2.1 实验要求测试：首先人工生成一...
2020-11-12 19:12:44
1991
原创 [HITML]哈工大2020秋机器学习Lab3实验报告
GitHub仓库 2020年春季学期 计算学部《机器学习》课程 Lab3 实验报告 姓名 学号 班号 电子邮件 手机号码 1 实验目的实现一个k-means算法和混合高斯模型，并且用EM算法估计模型中的参数。2 实验要求及实验环境2.1 实验.
2020-11-05 14:12:43
3488
Lab1-polynomial fitting.zip
2020-10-11
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人