高斯混合模型 假设有k个簇,每一个簇服从高斯分布,以概率 \pi_k随机选择一个簇k ,从其分布中采样出一个样本点,如此得到观测数据
贝叶斯球 定义几个术语,描述贝叶斯球在一个结点上的动作: 通过(pass through):从当前结点的父结点方向过来的球,可以访问当前结点的任意子结点(父->子)。从当前节点的子结点方向过来的球,可以访问当前结点的任意父结点。(子 -> 父) 反弹(bounce back):从当前结点的父结点方向
隐马尔可夫模型 评估观察序列概率 定义 隐马尔科夫模型(Hidden Markov Model, HMM)是建模序列数据的图模型
EM(Expectation-Maximum)算法 简介 EM算法的核心分为两步 E步(Expection-Step) M步(Maximization-Step)
K-means 算法 算法过程描述 随机选取k个点作为簇的中心 对于每一个样本的计算到中心的距离,并将样本分到最近的簇中 更新簇的中心位置 重复上述
聚类算法的性能度量 聚类算法就是根据数据中样本与样本之间的距离或相似度,将样本划分为若干组/类/簇,其划分的原则:簇内样本相似、簇间样本不相似,聚类的结果是产生一个簇的集合。 其划分方式主要分为两种, 嵌套类型
AdaBoost Boosting Boosting 是指,仅通过训练精度比随机猜想(50%)稍高的学习器,通过集成的方式过建出强学习器。 其中boosting中最有名的是AdaBoost算法。AdaBoost是英文"Adaptive Boosting"(自适应增强)的缩写,它的自适应在于:前一个基
K-L 变换 在机器学习学习中若存在维度过高的向量,则不利于分析向量的样本的方差与均值 原理分析 K-L变换的本质是寻找一个算子U,通过 Y=UX,其中 Y为 X降维后的结果。 存在一个样本集
逻辑回归 二分类情况 对于二分类问题,在线性可分的情况下,试图构建一个判别式 {W'X'+b},为了便于操作将判别式增广为 {WX}。
IT小菜鸡
文章
分类
访问量
建站天数
标签目录
最近评论
2023-10-05 10:35:04
2023-10-04 20:07:48