wd18508423052的博客

隐马尔可夫模型(HMM)之概率计算1. 前言本文主要对隐马尔可夫(Hidden Markov model,HMM)模型的三个基本问题做一个整理.其中所用符号与参考资料《统计学习方法》-李航保持一致，是对该章的学习笔记以便复习查看。本文主要是隐马尔可夫模型的第一个概率计算的问题整理。其他两个问题可参考隐马尔可夫模型(HMM)之学习问题隐马尔可夫模型(HMM)之预测问题2. 符号说明设...

1. 高斯模型与高维高斯模型介绍 高斯模型也就是正态分布模型，该模型最早可见于我们的高中数学教材中。闻其名知其意，正态分布是自然界中普遍存在的一种分布。比如，考试成绩，人的智力水平等等。都是大致呈现为正态分布。其概率密度函数为其中参数为μ,σ2 ，都是一维标量。 对于高维高斯模型，与一维类似，只是自变量变成了多维，是一个向量。其概率密度函数为其中参数为μ...

本文总结一下SVM(support vector machine)算法。学习SVM算法主要有三个难点：如何推导出基本的优化目标。(其中包括理解函数距离与几何距离)对于基本优化目标的公式如何转化为对偶问题。转化为对偶问题后对拉格朗日因子的求解，也就是SMO算法。问题描述我们知道SVM是用来对目标进行分类的算法，也就是要做到如下图(左)这样，但是最简单的SVM模型应该是只能解决如下图(...

本文总结一下SVM(support vector machine)算法。学习SVM算法主要有三个难点：如何推导出基本的优化目标。(其中包括理解函数距离与几何距离)对于基本优化目标的公式如何转化为对偶问题。转化为对偶问题后对拉格朗日因子的求解，也就是SMO算法。因此，本文分为三个部分来讲述SVM算法。SVM【上】之形成优化目标SVM【中】之转化对偶问题SVM【下】之SMO算法求...