weixin_40718101的博客

学习内容 SVM 硬间隔原理 SVM 软间隔 SMO 求解SVM 代码设计 1、硬间隔 本文是需要一定基础才可以看懂的，建议先看看参考博客，一些疑惑会在文中直接提出，大家有额外的疑惑可以直接评论，有问题请直接提出，相互交流。 SVM-统计学习基础 一开始讲解了最小间距超平面：所有样本到平面的距离最小。而距离度量有了函数间隔和几何间隔，函数间隔与法向量w和b有关，w变为2w则函数间距变大了，于是提出...

条件随机场 马尔可夫过程 定义 假设一个随机过程中，tnt_ntn​ 时刻的状态xnx_nxn​的条件发布，只与其前一状态xn−1x_{n-1}xn−1​ 相关，即： P(xn∣x1,x2,...,xn−1)=P(xn∣xn−1) P(x_n|x_1,x_2,...,x_{n-1}) = P(x_n|x_{n-1}) P(xn​∣x1​,x2​,...,xn−1​)=P(xn​∣xn−1​...

前言 EM算法是机器学习十大算法之一，它很简单，但是也同样很有深度，简单是因为它就分两步求解问题， E步：求期望（expectation） M步：求极大（maximization) 深度在于它的数学推理涉及到比较繁杂的概率公式等，所以本文会介绍很多概率方面的知识，不懂的同学可以先去了解一些知识，当然本文也会尽可能的讲解清楚这些知识，讲的不好的地方麻烦大家评论指出，后续不断改进完善。 EM算法引入 ...

知识点梳理 相关概念（生成模型、判别模型) 先验概率、条件概率 贝叶斯决策理论 贝叶斯定理公式 极值问题情况下的每个类的分类概率 下溢问题如何解决 零概率问题如何解决？ 优缺点 sklearn参数详解，Python绘制决策树 明天补充 1. 相关概念 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据序列指定一个联合概率分布...

Task01：线性回归（2天） 线性回归的原理 线性回归损失函数、代价函数、目标函数 优化方法(梯度下降法、牛顿法、拟牛顿法) 线性回归的评估指标 sklearn参数详解 • 模型建立：线性回归原理、线性回归模型 • 学习策略：线性回归损失函数、代价函数、目标函数 • 算法求解：梯度下降法、牛顿法、拟牛顿法等 • 线性回归的评估指标 • sklearn参数详解 练习部分 • 基...