Machine Learning：Classification (分类classification)

最新推荐文章于 2023-10-12 15:07:55 发布
最新推荐文章于 2023-10-12 15:07:55 发布
阅读量2.4k 收藏 3
点赞数
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/whyymlm/article/details/75426135
版权
本文探讨了深度学习中的分类问题，对比了Regression与Classification的区别。通过构建概率模型，特别是利用高斯分布来估算样本属于各类别的概率，进而进行分类。文章介绍了优化模型以提升分类准确性的方法，如不同类别共用协方差矩阵，使得分类边界变为线性，从而提高分类效果。
摘要由CSDN通过智能技术生成

 

深度学习笔记四

 

本节课讲的内容是分类Classification.

上一节讲的regression主要解决的是输入一串数字，输出一串数字（譬如对股票价格的预测）。跟regression不同的是，classification主要用于针对输入的多维数据，输出一个判断（譬如输入一个图片，判断是什么动物）


有的人尝试使用 regression的方法来做，并且设定假如输出为1，判断为一个类型，输出为-1，判断为另一个类型。

这样有可能会得到好的结果，有可能会得到坏的结果

本图上左边结果是好的，分界线刚好能区分开，但是大多数情况是右图，一旦有一些偏离的很远的data，就会对分界线造成很大的扰动。在Bishop的书上将这种情况描述为："Penalize to the examples that are too correct"所以其实regression的定义不是很适用于classification的。

 

理想的模型应该是：

即在f(x)内再

最低0.47元/天 解锁文章
头发结冰海鲜过敏的鱼
关注
《机器学习》学习笔记（三）-- classification
DIAJEY的博客
07-29 970
概念描述 如何去分类？ 1.概念描述 分类问题是找一个function，input一个object，输出的则是判断该object属于哪一个class 就以宝可梦为例，宝可梦有18种属性，现需要解决的分类问题就是做一个宝可梦种类的分类器 输入数值化 对于宝可梦分类问题，首先就要将一只宠物当作function的input–也就是数值化 比如可以用一组数字来描述它的特性，比如： 有多强（total strong） 生命值（hp） 攻击力（Attack） 防御力（defense） 特殊攻击力（Specia.
[Machine Learning] 分类（Classification）
Oh_MyBug的博客
02-14 829
Keywords Classification（分类） Generative Model（生成模型） Gaussian Distribution（高斯分布） Maximum Likelihood（极大似然估计） Classification（分类） Input:目标 x Output:这个目标x属于n个Class中的哪个Class Classification的应用 Cr...
Machine Learning classification
CADsharp
08-28 272
Machine Learning classification
Machine Learning —— Classification
David_B的博客
04-30 389
Machine Learning —— Classification: Probabilistic Generative Model Classification 基本概念 分类问题是找一个function，它的input是一个object，它的输出时这个object属于哪一个class。以宝可梦为例，已知宝可梦有18种属性，现在要解决的分类问题就是做一个宝可梦种类的分类器，我们要找到一个function，这个function的input是某只宝可梦，它的output是这只宝可梦属于哪一个类别。 输入数值
机器学习-classification
哇-WA 的博客
05-05 514
我们以宝可梦为例，输入宝可梦的属性数值，输出宝可梦的类别（水，火...）。 我们能不能用线性回归来解决这个问题呢？ 答案是不能。因为当样本分布比较复杂时，线性回归无法做到准确的分类。逻辑回归对异常值具有很好地稳定性。 贝叶斯公式 C1=class 1 C2=class 2 公式解释： x属于class1的概率=（x在class1中出现的概率 * class1出现的概率）/ x出现的总概率 那么我们只需要比较x属于class1和class2的概率的大小，就可以对x进行分类。 未完待...
机器学习（李宏毅）—— Classification
mooc1212的博客
03-14 1502
如果简单的将Classification看成一个Regression的问题，会发现Regression的评价标准并不适用于Classification（回归的本质是让损失函数尽可能的小，而分类只看重类别并不关心损失函数的大小）。 Gaussian Distribution：，均值，协方差矩阵。 Maximum Likelihood：假设从被给的高斯分布所生成的79个数据，根据极大似然估计原理，从而，化简得， ...
Supervised Machine Learning: Regression and Classification 1
qq_43836269的博客
10-31 979
【代码】Supervised Machine Learning: Regression and Classification 1。
MNIST_classification_using_Quantum_Machine_Learning:麦吉尔物理学黑客马拉松2020项目
05-22
MNIST_classification_using_Quantum_Machine_Learning 这是一个用于使用量子计算创建机器学习分类器的API。 关于卷积和量子计算的背景信息 图像分类主要依靠卷积的概念。 在计算机科学中，卷积的概念可以用一个小...
machine-learning-classification:机器学习分类简介
04-27
机器学习分类 机器学习分类简介 机器学习用于解决各种预测问题。 借助机器学习，可以预测诸如在急诊室的等待时间，设备故障以及检测网络入侵等情况。 这都是关于在训练数据上训练算法，然后将其知识用于对未知数据...
吴恩达supervised machine learning: regression and classification作业
07-27
吴恩达的《Supervised Machine Learning: Regression and Classification》作业是一门关于监督学习中回归和分类的课程。这门课程旨在介绍机器学习的基本概念和技术，并通过实践作业来帮助学生巩固所学知识。 在这门...
机器学习：分类（Classification）算法
热门推荐
小数据研究院
03-17 1万+
在目前的机器学习工作中，最常见的三种任务就是：回归分析分类分析聚类分析这篇文章的重点是分类（Classification）在机器学习领域中的应用。什么是「分类」虽然我们人类都不喜欢被分类，被贴标签，但数据研究的基础正是给数据“贴标签”进行分类。类别分得越精准，我们得到的结果就越有价值。分类是一个有监督的学习过程，目标数据库中有哪些类别是已知的，分类过程需要做的就是把每一条记录归到对应的类别之中。由...
Machine Learning(李宏毅)classification
vanlish的博客
04-05 236
introduction 机器学习就是自动找函式 speech recognition image recognition playing go dialogue system classification 1.1 maximum likelihood 一直sample，看当parameter是多少的时候，最有可能sample出来这些sample 1.2 classification 已经通过...
机器学习系列 五 Classification 分类
04-17 824
分类的问题：1. 信用卡借贷判断input：    收入、存款、职业、年龄、过去的财务历史等等....output： 借钱  或  不借钱2.医疗诊断input：    某个人的症状、年龄、性别、旧病史等等....output： 他生的是哪一种病3.手写文字辨识input：手写字图片output： 属于哪个字(中文有8000个字)那就是要做test 的classification4.人脸识别inp...
机器学习-分类Classification
weixin_43367756的博客
07-26 692
顾名思义，分类是将事物“分类”为子类别的任务。但是，通过机器！如果这听起来并不多，想象一下您的计算机能够区分您和陌生人。在土豆和西红柿之间。介于 A 级和 F 级之间。现在，这听起来很有趣。在机器学习和统计中，分类是根据包含观察的训练数据集及其类别成员资格来识别新观察属于一组类别（子群体）中的哪一个的问题。.........
李宏毅 2020 Machine Learning：Classification
達某真是滑天下之大稽
08-08 315
思维导图 classification（分类问题） Generative model
机器学习——P10 Classification
m0_51474171的博客
05-29 183
Classification 机器学习的另一经典问题——分类，与回归的“预测数值”不同，分类需要“预测标签”。 generative model（生成模型） 可以预测任意x在模型中出现的概率，所以我们可以自己生成这个x Q：为什么是生成模型？ A：假设数据遵循一个均值为μ \muμ、协方差矩阵为Σ \SigmaΣ的高斯分布。利用从高斯分布中生成数据的概率，即似然（likelihood），来估计P ( x ∣ C 1 ) （从类别C 1 中任取一个样本，它是x的概率） Probability from
机器学习笔记(5)：Classification
Azahaxia的博客
05-07 571
机器学习笔记(5)：Classification 与其它的机器学习问题相同，分类问题的本质也是去寻找一个模型（function），它可以接收一个特征向量，然后输出一个类别。 从表面上看，分类问题与回归问题十分类似，那么可不可以用处理回归问题的思想去处理分类问题呢？ 比如一个3分类问题，我把模型的输出标签分别设置为1、2、3。在训练时，如果输入的真实类别为1，那么我就训练使模型的输出往1靠拢，其它的也是如此。然后在测试时，判断模型的输出与哪一个类别值（1，2，3）接近，最接近的就是输入的类别。 看上去似乎很合
李宏毅机器学习笔记1——classification（分类）
最新发布
m0_63776870的博客
10-12 383
分类，即在一个函数判断输入数据所属类别，包括二分类（是/否）和多分类（类别1/类别2……）。·应用范围：信用评分、医疗诊断、手写字符识别、人脸识别等高斯函数通过计算均值μ和协方差Σ（均为矩阵），输入向量x，得到x的概率密度。下图中可以发现，同样的协方差，不同的矩阵，概率分布最高点的地方不同。如果是不同的协方差，同样的均值，此时概率点分布最高的位置一样，但分布密集程度不同。接下来，通过估计均值和协方差来找出高斯函数，估测的方法是极大似然估计法。
评论
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