机器学习
文章平均质量分 61
xhhszc
这个作者很懒,什么都没留下…
展开
-
Hoeffding霍夫丁不等式及其在集成学习理论的应用
Hoeffding霍夫丁不等式机器学习中,算法的泛化能力往往是通过研究泛化误差的概率上界所进行的,这个就称为泛化误差上界。直观的说,在有限的训练数据中得到的规律,则认为真实的总体数据中也是近似这个规律的。比如一个大罐子里装满了红球和白球,各一半,我随手抓了一把,然后根据这些红球白球的比例预测整个罐子也是这样的比例,这样做不一定很准确,但结果总是近似的,而且如果抓出的球越多,预测结果也就越可信。...原创 2018-04-17 21:20:52 · 1829 阅读 · 3 评论 -
高斯混合聚类
原型聚类聚类方法常见的有原型聚类、密度聚类与层次聚类。原型聚类(prototype-based clustering)假设聚类结构能通过一组原型刻画,即每一个原型代表了对应的类别。高斯混合聚类,也称为高斯混合模型(Gaussian Mixture Model, GMM)是原型聚类的一种聚类方法。高斯混合聚类常用的k-means方法在非凸数据上效果很差,例如下方的环形数据集,两个类别...原创 2018-04-18 23:11:52 · 2012 阅读 · 0 评论 -
机器学习中的采样方法
机器学习中的采样方法首先,我们需要了解为什么需要采样,也就是说采样的目的是什么。一般来说,对于模型f(z),z服从概率分布p(z),我们需要求该模型的期望:原创 2018-07-15 00:28:17 · 2946 阅读 · 0 评论