机器学习算法 高斯识别分析(GDA) 多元高斯分布 CS229

本文详细介绍了高斯判别分析(GDA)算法,重点讨论了多元高斯分布的特性。内容包括:多元高斯分布的矩阵Σ的行列式、不同协方差矩阵对分布形状的影响。GDA模型参数包括φ,Σ,μ0和μ1,最大似然估计用于确定这些参数。文中通过图像解释了算法如何根据数据拟合高斯分布,并确定分类边界。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Gaussian discriminant analysis 

The first generative learning algorithm that we’ll look at is Gaussian discrim-inant analysis (GDA). In this model, we’ll assume thatp(x|y) is distributedaccording to a multivariate normal distribution. Let’s talk briefly about theproperties of multivariate normal distributions before moving on to the GDAmodel itself. 

我们将要研究的第一代生成学习算法是高斯识别分析(GDA)。 在这个模型中,我们假设p(x | y)是根据多元正态分布分布的。 我们先谈谈多变量正态分布的属性,然后再转到GDA模型本身。

The multivariate normal distribution (多元高斯分布 )

n维上的多变量正
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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