搞点學術的研究生

CNN：模型架构而非具体模型 CNN（卷积神经网络）本质上是一种模型架构而非具体模型。它提供了一种设计框架，包含卷积层、池化层等可自由组合的模块，但需要通过定义具体参数才能形成可用模型。这与LSTM（具体单元结构）或决策树（具体算法实体）不同。学术界通常将CNN描述为架构或框架，具体实现如LeNet-5、ResNet等才是真正可复现的模型，它们具有明确的层数、连接方式和学术命名。在实际应用中，应明确说明所使用的CNN架构版本及具体参数配置，避免混淆概念。这种区分对学术写作和工程实现都至关重要。

朴素贝叶斯法朴素贝叶斯法定义：贝叶斯定理与特征条件独立假设的分类方法。朴素贝叶斯法学习方法：1，对于给定的训练数据集，基于特征条件独立假设学习输入\输出的联合概率分布（建立模型）；2，基于此模型对于给定的输入x，利用贝叶斯定理求出后验概率最大的输出y。1.贝叶斯定理：2.条件独立假设：(等价于用于特征在类确定的条件下都是条件独立的)条件独立假设公式：(输入空间为x,输...

时间序列预测的基本原理1，时间序列分类：平稳时间序列随时间相对稳定的序列（均值、方差、自相关系数）均值：使用常数均值才能用来较好的进行预测（常数均值即在平稳时间序列下的均值，这样才能保证使用均值预测的结果不会偏离真实结果太大）方差：每个样本值与全体样本值的平均数之差的平方值的平均数自相关系数：即两个变量在形式上或者标准差上具有相似的变化（正相关/负相关）...

《统计学习方法》读李航老师之《统计学习方法》一书乃做此笔记。强烈推荐此书，对于从事机器学习、人工智能等计算机热门领域的学者定会受益颇深。统计学习方法概论1，统计学习（statistical learning）概念：计算机基于数据构建概率统计模型并运用模型对数据进行预测和分析特点：建立在计算机和网络之上；以数据为研究对象；对数据进行预测和分析；以方法为中心；多个领域的交叉学科。对象：数据...

《统计学习方法》读李航老师之《统计学习方法》一书乃做此笔记。强烈推荐此书，对于从事机器学习、人工智能等计算机热门领域的学者定会受益颇深。感知机概念：感知机（perceptron）是二类分类（二分类）线性分类模型，其输入为实例的特征向量，输出为实例的类别，取+1和-1二值。旨在求出将训练数据进行线性划分的分离超平面（w*x + b = 0）1,感知机模型：定义：假设输入空间是X属于R（特征...

《统计学习方法》读李航老师之《统计学习方法》一书乃做此笔记。强烈推荐此书，对于从事机器学习、人工智能等计算机热门领域的学者定会受益颇深。K近邻法概论：k近邻法（k-nearest neighbor,k-NN）是一种分类与回归方法。分类时对新的实例，根据其k个最近邻的训练实例的类别，通过多数表决等方法进行预测。其核心就是利用训练数据集对特征向量空间进行划分。K近邻算法定义：给定一个训...