22篇文章 · 38642字 · 0人關(guān)注
-
統(tǒng)計學習方法概論這篇文章是對《統(tǒng)計學習方法》10個監(jiān)督學習算法的概論和總結(jié)砾肺。分別是感知機更舞、k近鄰法刽射、樸素貝葉斯法袜爪、決策樹炸裆、邏輯斯蒂回歸與最大熵模型八秃、支持向量機庇麦、...
-
統(tǒng)計機器學習-提升方法
提升方法的思路就是學習多個分類器，對多個分類器進行線性組合喜德，提高分類的性能山橄。首先定義強可學習和弱可學習。如果存在一個多項式的學習算法可以學習一個...
-
統(tǒng)計機器學習-感知機
感知機是二分類的線性分類模型舍悯，即通過一個超平面將數(shù)據(jù)集分割在兩側(cè)航棱，同在一個側(cè)的為同一個分類，一般上側(cè)的為正例萌衬，下側(cè)的為負例饮醇。 感知機的定義 假設(shè)...
-
統(tǒng)計機器學習-k近鄰法
k近鄰法既可以用于分類，也可以用于回歸秕豫，這里只討論分類的k近鄰法朴艰。k近鄰法的思路是：給定一個輸入观蓄，在訓練集中找出個最相近的實例，然后分到這個實例...
-
統(tǒng)計機器學習-樸素貝葉斯法
樸素貝葉斯法首先學習輸入/輸出的聯(lián)合概率分布祠墅。然后基于此模型給定的輸入侮穿，利用貝葉斯定理求出后驗概率最大的輸出，即概率最大的毁嗦。 基本方法 設(shè)輸入空...
-
統(tǒng)計機器學習-條件隨機場條件隨機場是給定一組輸入隨機變量條件下另一組隨機變量的條件概率分布模型亲茅，其特點是假設(shè)輸出隨機變量構(gòu)成馬爾可夫隨機場。類似隱馬爾可夫模型狗准，條件隨機...
-
統(tǒng)計機器學習-隱馬爾可夫模型
隱馬爾可夫模型（HMM）是用于標注問題的統(tǒng)計學習模型克锣，描述由隱藏的馬爾科夫鏈隨機生成觀測序列的過程，屬于生成模型腔长。隱馬爾可夫模型在語音識別袭祟、自然...
-
統(tǒng)計機器學習-邏輯斯諦回歸與最大熵模型邏輯斯諦回歸（邏輯回歸）模型，是統(tǒng)計學習中的經(jīng)典分類方法捞附。最大熵是概率模型學習的一個準則巾乳，推廣到分類問題得到最大熵模型。邏輯斯諦回歸和最大熵模型...
-
統(tǒng)計機器學習-EM算法（期望極大算法）
EM算法用于含有隱變量的概率模型參數(shù)的極大似然估計故俐。這里首先對隱變量解釋想鹰，舉下面的例子 （三硬幣模型）假設(shè)有3枚硬幣，分別記做药版，辑舷，，這些硬幣正面...
