u011898542的博客

分类问题：评估分类器性能的指标一般是分类准确率，其定义是：对于给定的测试数据集，分类器正确分类的样本数和总样本数之比，也就是损失函数是0-1损失时候，测试数据集上的准确率。对于二类分类问题常用的评价指标是精确率与召回率。通常以关注的类为正类，其他类为负类，分类器在测试数据集上的预测或正确或不正确，4种情况出现的总数分别记作：TP——将正类预测为正类数FN——将正类预测为负类数FP—...

马尔可夫链（Markov Chain, MC）是概率论和数理统计中具有马尔可夫性质（Markov property）且存在于离散的指数集（index set）和状态空间（state space）内的随机过程（stochastic process） [1-2] 。适用于连续指数集的马尔可夫链被称为马尔可夫过程（Markov process），但有时也被视为马尔可夫链的子集，即连续时间马尔可夫链（C...

二次规划的一般形式可以表示为： 二次规划一般形式其中G是Hessian矩阵，τ是有限指标集，c，x和，都是R中的向量。如果Hessian矩阵是半正定的，则我们说该式是一个凸二次规划，在这种情况下该问题的困难程度类似于线性规划。如果有至少一个向量满足约束并且在可行域有下界，则凸二次规划问题就有一个全局最小值。如果是正定的，则这类二次规划为严格的凸二次规划，那么全局最小值就是唯一的。如...

NP就是Non-deterministic Polynomial的问题，也即是多项式复杂程度的非确定性问题。 假设P ≠ NP的图解。若P = NP则三类相同。而如果任何一个NP问题都能通过一个多项式时间算法转换为某个NP问题，那么这个NP问题就称为NP完全问题（Non-deterministic Polynomial complete problem）。NP完全问题也叫做NPC问题。 [...

感知机：适用问题：二类分类 模型特点：分离超平面 模型类型：判别模型 学习策略：极小化误分类点到超平面距离 学习的损失函数：误分类点到超平面的距离 学习算法：随机梯度下降模型函数：k近邻法：适用问题：多类分类 回归 模型特点：特征空间，样本点 模型类型：判别模型朴素贝叶斯法：适用问题：多类分类 模型特点：特征与类别的联合概率分布，条件独...