winterhc的博客

学习目标： 概率图模型 学习内容： HMM算法（隐马尔科夫模型）中的维特比算法 学习记录： 维特比算法步骤： 1.初始化 2.递推 3.终止 4、最优路径回溯 解释一下：我们要得到最优路径，viterbi采用的式局部最优来解决，每一次都取时间t到时间t+1的概率最大的路径。开始要初始化，先计算t=1时的概率 δ1（1），δ1（2），δ1（3）。令φ1（1）=0，φ1（2）=0，φ1（3）=0。再计算从t=1时刻到t=2时刻每一个状态改变到下一个状态的概率（即状态转移矩阵）选出每个状态中

学习目标： 聚类算法 学习内容： k-means算法 学习记录： 聚类算法主要有： （1）划分聚类。大部分是基于距离的聚类算法。有k-means,k-medoids,CLARANS. （2）层次聚类。是进行层次化的分解，到某种条件满足为止。有BIRCH,CURE,CHAMELEON. (3)密度聚类。基于密度的算法。有DBSCAN,OPTICS,DENCLUE. 距离计算有闵可夫斯基距离，欧几里得距离，曼哈顿距离，切比雪夫距离。皮尔逊相关系数，余弦相似度，杰卡德相似系数。 这一部分内容下一篇文章

多项式回归

岭回归

线性回归。梯度下降法

1数据预处理---均值移除、范围缩放、归一化、二值化、独热编码、标签编码