機(jī)器學(xué)習(xí)搅轿、深度學(xué)習(xí)與人工智能 - 專(zhuān)題

投稿

機(jī)器學(xué)習(xí)免姿、深度學(xué)習(xí)與人工智能

收錄了42篇文章 · 18人關(guān)注

隱馬爾可夫模型
隱馬爾可夫模型(HMM) 設(shè) 表示隱狀態(tài)序列呵俏，表示觀測(cè)狀態(tài)序列畔师，表示觀測(cè)狀態(tài)集薄霜，表示隱狀態(tài)集合违诗。定義表示隱狀態(tài)轉(zhuǎn)移概率矩陣漱凝，表...

1.6 Ice_spring 0 1
GAN生成對(duì)抗網(wǎng)絡(luò)(一)
GAN GAN(Generative Adversarial Networks)是兩個(gè)網(wǎng)絡(luò)的的組合，一個(gè)網(wǎng)絡(luò)生成模擬數(shù)據(jù)诸迟，另一個(gè)網(wǎng)絡(luò)判斷生成...

2.3 Ice_spring 0 8

模式識(shí)別與機(jī)器學(xué)習(xí)(三)——高斯分布基礎(chǔ)
1.2中高斯分布基礎(chǔ) 高斯分布是概率論中最常用的概率分布之一茸炒，其概率密度函數(shù)如下高斯分布由兩個(gè)參數(shù)控制愕乎，其中是均值，是方差壁公。稱(chēng)為標(biāo)準(zhǔn)差...

2.2 Ice_spring 0 5
主成分分析(PCA)與矩陣奇異值分解(SVD)原理
內(nèi)容概要：矩陣奇異值分解SVD 主成分分析PCA及其應(yīng)用 SVD與PCA之間的關(guān)系 1 矩陣奇異值分解SVD 1.1 矩陣奇異值分解的數(shù)學(xué)原理...

0.5 Ice_spring 1 6
機(jī)器學(xué)習(xí)系列（三十七）——集成學(xué)習(xí)與隨機(jī)森林
集成學(xué)習(xí)的原理如果你隨機(jī)向多個(gè)人詢(xún)問(wèn)一個(gè)復(fù)雜的決策問(wèn)題感论，然后綜合他們的決策，通過(guò)投票的辦法選出最終決策紊册，在許多情況下比肄，你會(huì)發(fā)現(xiàn) ，這個(gè)匯總...

1.8 Ice_spring 0 11
機(jī)器學(xué)習(xí)系列（三十六）——回歸決策樹(shù)與決策樹(shù)總結(jié)
本篇主要內(nèi)容：回歸決策樹(shù)原理囊陡、回歸樹(shù)學(xué)習(xí)曲線(xiàn)芳绩、決策樹(shù)總結(jié) 回歸決策樹(shù)原理回歸決策樹(shù)樹(shù)是用于回歸的決策樹(shù)模型，回歸決策樹(shù)主要指CART算法撞反，同...

2.3 Ice_spring 1 6
機(jī)器學(xué)習(xí)系列（三十五）——決策樹(shù)Decision Tree
本篇主要內(nèi)容：決策樹(shù)示括、信息熵、Gini系數(shù) 什么是決策樹(shù) 決策樹(shù)(Decision Tree)和knn算法都是一種非參數(shù)的有監(jiān)督學(xué)習(xí)方法痢畜，它能夠...

1.8 Ice_spring 0 10

機(jī)器學(xué)習(xí)系列（三十四）——支撐向量回歸（SVR）
本篇主要內(nèi)容：SVR SVM解決回歸問(wèn)題前面我們說(shuō)過(guò)SVM不只可以解決分類(lèi)問(wèn)題垛膝，也可以解決回歸問(wèn)題，現(xiàn)在就簡(jiǎn)要敘述下SVM如何解決回歸問(wèn)題丁稀。所...

3.4 Ice_spring 1 13
機(jī)器學(xué)習(xí)系列（三十三）——非線(xiàn)性可分問(wèn)題與SVM核函數(shù)
本篇主要內(nèi)容：SVM解決非線(xiàn)性可分吼拥，Kernel Function 添加多項(xiàng)式特征解決非線(xiàn)性可分問(wèn)題上篇我們介紹了SVM是如何生成線(xiàn)性決策邊界...

0.9 Ice_spring 6 6
機(jī)器學(xué)習(xí)系列（三十二）——支撐向量機(jī)
本篇主要內(nèi)容：SVM，Hard Margin SVM线衫，Soft Margin SVM 什么是支撐向量機(jī) 支撐向量機(jī)（Support Vector...

0.4 Ice_spring 0 4