这一堂只要讲的是组织结构学习
一个小例子。
完成上面的例子，可以有很多不同的选择。线性回归和支持向量机。
后面那个为什么没有推测为C呢？？而是r，是因为统计概率预测。
经常性的都是结构很复杂的。
结构输入。朴素贝叶斯，树状图，线性回归。
结构输出。
隐藏马尔科夫模型。训练处最大似然估计。
优缺点了。
这是一个结构，和有效链图。
这个是它的问题。为什么不适合2个概率去计算。就不得而知了。
这里改变链路结构，它就可以很好的运行。
我的能力有限，但是我努力的学习。因为网络不让上传图片，这个就写到这里
877
838
748
922
728
1054
695
3669
3461
3190
2316
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
本次课程聚焦于机器学习中的结构学习，通过线性回归和支持向量机等示例进行讲解。讨论了为何在某些情况下不选择C作为预测结果的原因，涉及到统计概率预测的考量。课程还提到了结构输入如朴素贝叶斯和线性回归，以及结构输出如隐藏马尔科夫模型。尽管存在局限性，如不适合用两个概率计算的问题，但通过调整链路结构，模型可以得到改进。博主表达了自己在学习过程中的努力和限制。
扫一扫
