一些传统算法总结

  1. ELM,两层神经网络,前一层权重随机,后一层用求逆的方式求解权重
  2. Ridge Regression 岭回归,线型回归+L2正则化
  3. Lasso 线型回归+L1正则化
  4. RBF 就是核函数为高斯函数的SVM
  5. Gaussian Process Regression 高斯回归过程

GPR假设输入和输出都是高斯随机过程,然后用核函数构建不同输入之间距离的映射关系,计算协方差的矩阵

结论如上,均值就表示预测的值,标准差可以度量结果的不确定性

高斯随机过程,图片和公式参考自文章

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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