[李宏毅-机器学习]分类classification

最新推荐文章于 2023-10-12 15:07:55 发布
最新推荐文章于 2023-10-12 15:07:55 发布
阅读量558 收藏
点赞数
分类专栏： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/py184473894/article/details/104280428
版权

 

生成式模型

 

每个类别内部的分布假设为高斯分布

使用likelihood计算高斯分布的参数

使用微分可以求解

高斯分布中的方差，不同类别可以共享一个，减少参数量

共享方差会得到线性的boundary

如果不考虑特征之间的关系，即方差只有对角线，则为Naive Bayes classification，即特征独立分布

先验分布可以推出来sigmoid function

这解释了为什么共用方差会得到线性boundary

 

李宏毅2020机器学习资料汇总
⚡
04-08 8万+
前言 可能受到新冠病毒的影响，台大也开始了网课教学。李宏毅上传了2020版本的机器学习视频，可以说是非常好的学习资料（尽管其中多数都是2017、2019的视频，但有部分更新）。 和吴恩达的CS229机器学习相比，中文版本的机器学习显得亲民了许多，李宏毅的机器学习是英文的ppt+中文讲解，非常有利于大家入门。吴恩达的CS229中偏向于传统机器学习……
李宏毅2020机器学习作业2-Classification：年收入二分类
热门推荐
⚡
04-14 1万+
二元分类是机器学习中最基础的问题之一。在本次作业中，需要写一个线性二元分类器，根据人们的个人信息，判断其年收入是否高于 50,000 美元。作业将用 logistic regression 与 generative model两种模型来实现目标，模型差异可见李宏毅老师的课程视频与ppt。
李宏毅机器学习-----------Classification
cuicui_ruirui的博客
07-27 228
分类是指输入一些相关信息之后，模型在诸多选择中选出最符合预期的结果。 以宝可梦为例，如下图，输入不同的宝可梦，对应应该输出宝可梦的属性。
李宏毅机器学习 Classification
herosunly的博客
05-21 6294
  Classification:Probabilistic Generative Model，本节课讲的是基于概率生成模型的分类。   分类任务本质上是找到一个函数，函数的输入是输入数据，输出是类别。应用范围比较广，例如信用卡评分、医学诊断、手写数字识别、人脸识别等等。   下图是对不同的宠物小精灵划分类别，如火系、冰系、草系等等。 下图是给定了一些宠物小精灵的特征，然后去预测它的类别。 ...
李宏毅机器学习-分类
柯同学要谦虚
03-15 401
文章目录高斯分布最大似然估计计算方式完成分类修改模型建模三步骤 高斯分布 简单点可以把高斯分布当作一个 function，输入就是一个向量 x ，输出就是选中 x 的概率（实际上高斯分布不等于概率，只是和概率成正比，这里简单说成概率）。 function由期望 μ 和协方差矩阵 ∑ 决定。上图的例子是说同样的 ∑，不同的 μ ，概率分布的最高点的位置是不同的。下图的例子是同样的 μ，不同的 ∑，概...
李宏毅机器学习笔记1——classification（分类）
最新发布
m0_63776870的博客
10-12 599
分类，即在一个函数判断输入数据所属类别，包括二分类（是/否）和多分类（类别1/类别2……）。·应用范围：信用评分、医疗诊断、手写字符识别、人脸识别等高斯函数通过计算均值μ和协方差Σ（均为矩阵），输入向量x，得到x的概率密度。下图中可以发现，同样的协方差，不同的矩阵，概率分布最高点的地方不同。如果是不同的协方差，同样的均值，此时概率点分布最高的位置一样，但分布密集程度不同。接下来，通过估计均值和协方差来找出高斯函数，估测的方法是极大似然估计法。
李宏毅机器学习笔记(四)——分类问题
Unique13的博客
08-03 685
文章目录一.二分类问题1.朴素贝叶斯 一.二分类问题   在二分类中，最终我们要的输出就是两个数值，代表着分到了第一类还是第二类。对比一下我们的回归问题，对于每个点输出的值是在整个实数范围内的，因此分类不能直接的用回归的思想去解决，要另辟蹊径。 1.朴素贝叶斯   最简单而直观的想法，当然就是转换成对于一个nnn维向量输入，我们去计算它属于这两个类的概率，哪个概率大，就分到哪个类。   那对于这个nnn维向量输入xxx而言，设这两个类分别是C1C_1C1​和C2C_2C2​，那我们想要计算的，就是xxx在类
李宏毅2020机器学习作业2——Classification
01-21
开始之前声明：本文参考了李宏毅机器学习作业说明（需翻墙），基本上是将代码复现了一遍，说明中用的是google colab（由谷歌提供的免费的云平台），我用的是Jupyter Notebook 本文用到的资料在百度网盘自取点击下载...
李宏毅机器学习2021HW3食物数据集
06-01
《李宏毅机器学习2021HW3食物数据集》是针对图像识别与分类的一份重要资源，尤其适用于深度学习领域的实践与研究。这个数据集由著名计算机科学家李宏毅教授团队提供，旨在帮助学生和研究人员提升在食物图像识别方面...
机器学习（台湾李宏毅版）学习笔记 Classification AND Logistic Regression
慵懒的黄桃
06-03 556
     Logistic Regression 与 Linear Regression 最大的区别就是它预测的真实值是离散的，Logistic Regression 是用来进行分类的预测的（将不同的类别标记不同的数字）。Linear Regression 的步骤是：1、构造模型（如 ）2、使用training data梯度下降（参考  机器学习（台湾李宏毅版）学习笔记 gradient desc...
李宏毅机器学习入门学习笔记（五） Classification：Logistic Regression
DataScience成长之路
03-08 662
文章目录Step1 逻辑回归的函数集Step2 定义损失函数Step3 寻找最好的function为什么不学线性回归用平方误差？Discriminative（判别）v.s. Generative（生成）一个好玩的例子判别（Discriminative）方法不一定比生成（Generative）方法好Multi-class Classification（多类别分类）Softmax为什么Softmax的...
机器学习（李宏毅）—— Classification
mooc1212的博客
03-14 1553
如果简单的将Classification看成一个Regression的问题，会发现Regression的评价标准并不适用于Classification（回归的本质是让损失函数尽可能的小，而分类只看重类别并不关心损失函数的大小）。 Gaussian Distribution：，均值，协方差矩阵。 Maximum Likelihood：假设从被给的高斯分布所生成的79个数据，根据极大似然估计原理，从而，化简得， ...
【李宏毅机器学习】Classification_1 分类（p10） 学习笔记
weixin_45947476的博客
11-28 293
全文总结于哔哩大学的视频：李宏毅2020机器学习深度学习(完整版)国语 2020版课后作业范例和作业说明在github上：点击此处 李宏毅上传了2020版本的机器学习视频和吴恩达的CS229机器学习相比，中文版本的机器学习显得亲民了许多，李宏毅的机器学习是英文的ppt+中文讲解，非常有利于大家入门。吴恩达的CS229中偏向于传统机器学习（线性回归、逻辑回归、Naive Bayes、决策树、支持向量机等），李宏毅2020版本的机器学习中除了最前面的回归、分类，后面更多篇幅涉及卷积神经网络（CNN）、循环神经网
机器学习（李宏毅）第四天：Classification分类概率生成模型
mangoJohn的博客
10-02 275
机器学习（李宏毅2016）第四天：Classification分类概率生成模型
李宏毅机器学习课程梳理【三】：分类问题
-Belladonna的博客
05-16 523
1 分类步骤 第一步，将要分类的东西数字化，使其可以做函式的输入。 第二步，找到理想的分类函数，下面以一个二值分类为例： 上图中利用δ\deltaδ函数设计Loss function，可以训练，但是因为离散的原因，L(f)不可微分，下面介绍一个新解决办法 ...
[机器学习入门] 李宏毅机器学习笔记-6 （Classification: Logistic Regression；逻辑回归）
Holeung blog
06-05 5215
[机器学习] 李宏毅机器学习笔记-6 （Classification: Logistic Regression；Logistic回归） PDF VIDEOThree stepsStep 1: Function SetStep 2: Goodness of a FunctionStep 3: Find the best functionLogistic Regression VS Linear
李宏毅机器学习课程笔记Lesson4-Classification
长弓smile的博客
05-29 329
输入x ,通过一个函数，得到该x所属的类别 x -> function ->class n 例如银行贷款： 输入：用户的收入、存款等、工作、信用、年龄等 输出：同意或者拒绝 How to do Classisication 1.收集训练数据 （x1,y1）(x2,y2)… 2.理想做法 1）function (Model) 以二元分类为例子 大于0 class1...
台大李宏毅Machine Learning 2017Fall学习笔记 (5)Classification: Probabilistic Generative Model
Allenlzcoder的博客
01-06 596
台大李宏毅Machine Learning 2017Fall学习笔记(5)Classification: Probabilistic Generative Model 本节课以二分类问题为例，详细讲解了模型建立的过程及其背后的数学原理。 分类问题的理想模型如下图所示。定义损失函数，给定一个输入值，模型便能输出类别。 如果是简单的二分类问题（比如下图中通过球的颜色判断属于哪个盒子），根据贝
李宏毅机器学习——学习笔记（5）classification
m0_37757740的博客
03-21 356
Classfication and regression 分类和回归问题的loss function不一致，所以如果用回归的方式来解决分类问题，可能会惩罚“比较正确的那些项”，将这些项判定为error。 maximum likelihood 最大似然的方法，就是找出一种分布的参数，使得从这个函数中挑选出这些样本的可能性最大，然后再根据得到的分布函数用于分类 经过一系列的复杂运算，假...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值