基本流程 核心思想：通過構建一個樹狀模型來對新樣本進行預測 主要結構：一棵決策樹包含一個根節點、若干內部節點與葉結點。葉結點對應于決策結果，其他節點對應于一個測試屬性。每個樣...
發簡信
IP屬地：北京
-
決策樹 -
LDA與QDALDA原理推導 LDA 學習的Bayes解決方案 一般地，對于多分類問題，假設有個判別函數 如果滿足則將判別為類 判別函數可以替換為任意一個單調函數 對于二分類問題，可以定義...
-
回歸與分類模型的性能度量
回歸與分類模型的性能度量 性能度量(performance measure), 是衡量模型泛化能力的評價標準 性能度量反映任務需求，在對比不同模型的能力時，使用不同的性能度量...
-
模型評估與選擇
1 統計學習三要素 方法 = 模型 + 策略 + 算法 模型：若假設空間以表示，決策函數(或假設)以表示，則 = {|}? 其中稱為標記空間(或輸出空間)...
-
其他常見神經網絡局部特征學習算法 實際中不可能對全網進行全局統一的學習，這會導致過大的資源消耗 相比之下，比較實際的選擇是局部學習，而且輸入很多時候確實存在局部結構，比如語音因素、視頻的邊角...
-
神經網絡神經元模型 神經網絡的定義由具有適應性的簡單單元組成的廣泛并行互聯的網絡，它的組織能夠模擬生物神經系統對真實無知所作出的交互反應 機器學習中的神經網絡指“神經網絡學習”，是機...
-
Logistics回歸與Fisher線性判別分析Logistics回歸與Fisher線性判別分析 Logistic回歸 階躍函數對于二分類任務來說，線性回歸模型產生連續的預測值，需要將其轉化為最理想方式是將預測值帶入如下的...
-
機器學習概率分布
1 常見概率分布 1.1 均勻分布 分布函數與數字特征 若變量服從均勻分布，則服從 若變量服從均勻分布, 則服從 1.2 伯努利分布 分布函數與數字特征 參數估計若從總體中獨...
-