Allure_07的博客

机器学习（5）——结果评估模型选择泛化误差：在“未来”样本上的误差经验误差：在训练集上的误差性能评价指标——分类准确率(Accuracy)：指在分类中，分类正确的记录个数占总记录个数的比平均准确率(Average per-class accuracy):每个类别下的准确率的算术平均精确率(Precision)：分类正确的正样本个数占分类器所有的正样本个数的比例召回率(Reca...

机器学习（4）——其他问题一、隐马尔可夫模型一个关于时序的概率模型，描述由隐马尔可夫链随机生成观测序列的过程，属于生成模型。隐马尔可夫模型在语音识别、自然语言处理、生物信息等领域有着广泛的应用隐马尔可夫模型λ=（A,B,π），状态转移概率矩阵A，初始状态概率向量π，确定了隐藏的马尔可夫链，生成不可观测的状态序列。观测概率矩阵B确定了如何从状态生成观测，与状态序列综合确定了如何产生观测序列...

机器学习（3）——回归问题、聚类问题回归问题一、回归分析用于预测输入变量（自变量）和输出变量（因变量）之间的关系。等价于函数拟合，选择一条函数曲线使其很好的拟合已知数据且很好地预测未知数据回归分析分类自变量个数：一元回归分析，多元回归分析自变量与因变量关系：线性回归分析，非线性回归分析因变量个数：简单回归分析，多重回归分析线性回归算法假设特征和结果满足线性...

机器学习（1）——方法、困难与挑战、学习过程机器学习分类有监督学习（supervised learning)从给定的有标注的训练数据集中学习出一个函数（形参模型），当新的数据到来时可以根据这个函数预测结果。常见任务包括分类与回归。无监督学习（unsupervised learning）没有标注的训练数据集，需要根据样本间的统计规律对样本集进行分析，常见任务如聚类等。半监督学习（...

机器学习（2）——分类问题分类问题分类问题是监督学习的一个核心问题，他从数据中学习一个分类决策函数或分类模型（分类器（classifier）），对新的输入进行输出预测，输出变量取有限个离散值二分类问题，多分类问题核心算法：决策树，贝叶斯，SVM，逻辑回归一、决策树定义：树结构，每个非叶节点表示一个特征属性，每个分支边代表这个特征属性在某个值域上的输出，每个叶节点存放一个类别过程...