Superpig的博客

模型定位：朴素贝叶斯属于分类模型、生成模型 GitHub： 基本概念 条件概率：P(A∣B)=P(AB)P(B)P(A|B)=\frac{P(AB)}{P(B)}P(A∣B)=P(B)P(AB)​ 乘法公式：P(AB)=P(A∣B)∗P(B)P(AB)=P(A|B)*P(B)P(AB)=P(A∣B)∗P(B) 贝叶斯公式：P(Y∣X)=P(X∣Y)∗P(Y)P(X)P(Y|X)=\frac{P(X|Y)*P(Y)}{P(X)}P(Y∣X)=P(X)P(X∣Y)∗P(Y)​ 后验概率【指定了条件的条件概.

感知机模型定位：感知机属于 二分类模型/线性模型/非概率模型/判别模型 回顾：统计学习三要素：模型+策略+算法 算法原理 模型 输入空间/特征空间：X⊆RnX \subseteq R^nX⊆Rn 输出空间：y∈y \iny∈ {-1,+1} 输入到输出的映射：y=sgn(wx+b)y=sgn(wx+b)y=sgn(wx+b) 【sgn为符号函数】 假设空间：{f|f(x)=wx+b} 几何解释：wx+b=0是特征空间中的一个超平面S，w是该平面的法向量，b是截距； 前提假设：当数据集线性可分时，感知.