统计学习-感知机算法
解决问题：二分类、线性分类（不能解决异或问题）感知机（perceptron）：有监督学习、判别模型，SVM的基础模型：输入：输出：模型 参数为w和b策略：数据集满足线性可分性学习一个能将正类和负类完全正确分开的分离超平面1）依据误分类的点数（不是参数wb的连续可导函数，不易优化）2）误分类点到超平面S的总距离任意一点到超平面的距离：（推导）替换为：因此所有误分类点到超平面距离的和：得出感知机学习....
统计学习-朴素贝叶斯算法（Naive Bayes）
关联文章：统计学习--最大似然和贝叶斯估计的联系解决问题监督学习模型，属于生成模型，非线性基于条件独立假设条件描述：对于给定的训练数据集，基于特征条件独立假设学习联合概率分布，其次基于此模型对新的输入x，利用贝叶斯定理求出后验概率最大的输出y（类别）模型：策略：算法公式解条件独立假设：贝叶斯定理：全概率公式：朴素贝叶斯公式及分类器有两类参数估计：最大似然估计：先验概率和条件概率贝叶斯估计：先验概....
《统计学习方法》极简笔记P6：逻辑回归算法推导
逻辑回归模型Logistic分布分布函数密度函数逻辑回归模型比较上述两个条件概率值，将实例x分到概率大的那一类记则，逻辑回归模型如下另：事件发生概率为p，则该事件的几率(odds)为p/(1-p)，对数几率为logit(p)=log(p/1-p)所以即，逻辑回归模型中，Y=1的对数几率是x的线性函数逻辑回归模型参数估计极大似然估计法设：似然函数为对数似然函数为对于L(w)求极大值，得w的估计值多....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
智能搜索推荐
智能推荐（Artificial Intelligence Recommendation，简称AIRec）基于阿里巴巴大数据和人工智能技术，以及在电商、内容、直播、社交等领域的业务沉淀，为企业开发者提供场景化推荐服务、全链路推荐系统开发平台、工程引擎组件库等多种形式服务，助力在线业务增长。
+关注