一、分类:概率生成模型
二、例子:宝可梦分类
看成回归问题
能否把分类问题看成回归?
根据回归问题得到如下结果。当数据集中出现错误数据时,优化函数会导致正确的分类变错误。
理想方法的选择,一些思路。这节课不讲
从概率角度分析
从训练数据中估计概率。
先验概率:提前可推算的信息。
数据服从高斯分布
考虑defense和SP defense 两个特征,假设数据点服从高斯分布。
分析出不同类别的高斯分布特征。
将各个值带入公式,算出ACC
调整模型
两个高斯模型的Σ换成统一。(范围)
寻找最大可能性下的参数 μ1,μ2,Σ
修正模型后,精确度有所提高
注意边界是线性的,后文可以推导。
步骤的总结
其中假设的概率分布可以人为决定。
后验概率
经过这一堆推导,我们可以知道Z是线性的,所以我们可以直接去找 w 和 b
见下一小节:逻辑回归!!~