josh的博客

文章目录1 概念2 SVM原理3 SVM分类3.1 硬间隔线性SVM3.2 软间隔线性SVM3.3 核函数3.4 多分类SVM4 API5 代码实现1 概念超平面：超平面是平面的一般化在一维的平面中，它是点在二维的平面中，它是线在三维的平面中，它是面在更高的维度中，我们称之为超平面分离超平面：将两类数据进行分离的超平面，分离超平面一般会有多个间隔：超平面与和它最接近的数据点之间...

1 概述条件随机场模型(CRF)是Lafferty于2001年，在最大熵模型和隐马尔科夫模型的基础上,提出的一种判别式概率无向图学习模型,是一种用于标注和切分有序数据的条件概率模型。CRF最早是针对序列数据分析提出的,现已成功应用于自然语言处理(Natural Language Processing, NLP)、 生物信息学、机器视觉及网络智能等领域。与条件随机场相关的各模型之间的关系2...

1 相关概念1.1 极大似然估计法1.1.1 明确极大似然函数的目的随机变量的概率分布往往由少量的参数定义（也叫做有效统计量）只要计算出这些参数我们就确定了这个分布的情况极大似然估计就是用来估计这个参数的例如：二项分布：P(x)仅由由一个参数p决定，极大似然估计就要估计p正态分布：正态分布由均值μ\muμ和方差σ2σ^2σ2决定,极大似然估计就要估计μ\muμ和σ2σ^2σ...

文章目录1 相关概念（生成模型、判别模型)2 先验概率、条件概率3 贝叶斯决策理论4 贝叶斯定理公式5 极值问题情况下的每个类的分类概率6 下溢问题如何解决7 零概率问题如何解决？8 优缺点9 sklearn参数详解，Python绘制决策树1 相关概念（生成模型、判别模型)生成模型：在概率统计理论中, 生成模型是指能够随机生成观测数据的模型，尤其是在给定某些隐含参数的条件下。它给观测值和标注数...

文章目录1 基础概念1.1 什么是回归分析1.2 线性回归为何叫线性？1.3 举例数据2 模型建立2.1 线性回归原理2.2 线性回归模型3 学习策略-线性回归损失函数、代价函数、目标函数4 线性回归的优化方法4.1 梯度下降法4.2最小二乘法矩阵求解4.3 牛顿法4.4 拟牛顿法5 线性回归的评估指标6 sklearn.linear_model参数详解7 代码1 基础概念1.1 什么是回归...

文章目录1、基本概念2、开发流程3、学习策略：损失函数、代价函数、目标函数、正则化3.1 损失函数3.2 代价函数3.3 正则化3.4 如何选择好的损失函数4、算法求解：梯度下降法、牛顿法、拟牛顿法等4.1、梯度下降法4.2、牛顿法（Newton's method）4.3、拟牛顿法（Quasi-Newton Methods）4.4、共轭梯度法（Conjugate Gradient）5、性能评价指标...