![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 93
abolition cc
登上南中国一般大学平台的普通上山人
展开
-
2.机器学习基础(五)
文章目录2.13 支持向量机2.13.1 什么是支持向量机2.13.2 支持向量机能解决哪些问题2.13.3 核函数特点及其作用2.13.4 SVM为什么引入对偶问题2.13.5 如何理解SVM中的对偶问题2.13.7 常见的核函数有哪些2.13.9 SVM主要特点2.13.10 SVM主要缺点2.13.11 逻辑回归与SVM的异同2.14 贝叶斯分类器2.14.1 图解极大似然估计2.14.2 极大似然估计原理2.14.3 贝叶斯分类器基本原理2.14.4 朴素贝叶斯分类器2.14.5 举例理解朴素贝叶斯原创 2022-04-17 00:26:54 · 1268 阅读 · 0 评论 -
2.机器学习基础(四)
文章目录2.11 模型评估2.11.1 模型评估常用方法?2.11.2 误差、偏差和方差有什么区别和联系2.11.3 经验误差与泛化误差2.11.4 图解欠拟合、过拟合2.11.5 如何解决过拟合与欠拟合2.11.6 交叉验证的主要作用2.11.7 理解k折交叉验证2.11.8 混淆矩阵2.11.9 错误率及精度2.11.10 查准率与查全率2.11.11 ROC与AUC2.11.12 如何画ROC曲线2.11.13 如何计算TPR,FPR2.11.14 如何计算AUC2.11.15 为什么使用Roc和Au原创 2022-04-15 23:58:13 · 1467 阅读 · 0 评论 -
2.机器学习基础(三)
@Top2.14 线性判别分析(LDA)2.14.1 LDA思想总结 线性判别分析(Linear Discriminant Analysis,LDA)是一种经典的降维方法。和主成分分析PCA不考虑样本类别输出的无监督降维技术不同,LDA是一种监督学习的降维技术,数据集的每个样本有类别输出。LDA分类思想简单总结如下:多维空间中,数据处理分类问题较为复杂,LDA算法将多维空间中的数据投影到一条直线上,将d维数据转化成1维数据进行处理。对于训练数据,设法将多维数据投影到一条直线上,同类数据的投影原创 2022-04-14 23:28:27 · 170 阅读 · 0 评论 -
2.机器学习基础(二)
2.8 自然梯度法(郜泉凯-华南理工大学)2.8.1 为什么我们需要自然梯度传统的梯度下降方法是在欧氏空间进行、并与时序过程结合的优化方法,但这样的更新过程无法度量由于参数变化引起的概率属性的变化(这一点也可以认为是传统梯度下降方法的缺点)。在如强化学习等很多应用领域关注模型输出的概率分布,优化过程常常需要在一定概率属性的约束下完成,这就需要自然梯度。2.8.2 如何定义自然梯度若度量模型参数变化引起的概率分布变化,常用的“距离”度量是KL散度(Kullback-Leibler divergenc原创 2022-04-12 23:19:08 · 800 阅读 · 0 评论 -
2.机器学习基础(一)
文章目录第二章 机器学习基础2.1 基本概念2.1.1 什么是神经网络2.1.2 各种常见算法图示2.1.3 计算图的导数计算2.1.4 理解局部最优与全局最优2.1.5 大数据与深度学习之间的关系2.2 机器学习学习方式2.2.1 监督学习2.2.2 非监督式学习2.2.3 半监督式学习2.2.4 弱监督学习2.2.5 监督学习有哪些步骤2.8 分类算法2.8.1 常用分类算法的优缺点?2.8.2 分类算法的评估方法2.8.3 正确率能很好的评估分类算法吗2.8.4 什么样的分类器是最好的2.9 逻辑回归原创 2022-04-11 23:49:16 · 3276 阅读 · 0 评论 -
1.机器学习数学基础
机器学习数学基础学习笔记原创 2022-04-10 01:40:55 · 249 阅读 · 0 评论