想回老家的潜伏者躺平又起来了

机器学习

Git(1) Lasso(1) Linux(1) Python(2) Scala(7) SVM(1) TensorFlow(3) 其他(1) 图表示学习(1) 工具介绍(1) 强化学习(1) 推荐系统(1) 未归档(73) 深度学习(2) 聚类和EM算法(1)

/ 注册

全部文章 / 机器学习（共8篇）

非负矩阵分解NMF

问题描述优化目标假设噪声矩阵 <nobr> E=X−WH </nobr>，我们可以用两种目标函数优化平方误差最小化 <nobr> minW,H||X−WH||2=∑i∑j(Xij−(WH)ij)2s.t.Wik...

2017-08-31

0 576

主题模型LDA

多项分布和狄利克雷分布多项分布某随机实验如果有k个可能结局A1、A2、…、Ak，分别将他们的出现次数记为随机变量X1、X2、…、Xk，它们的概率分布分别是p1，p2，…，pk，那么在n次采样的总结果中，A1出现n1次、A2出现n2次、…、Ak出现nk次的这种事件的出现概率P有下面公式： ...

2017-08-31

0 519

线性回归

最小二乘法线性回归模型模型 <nobr> yi≈w0+∑j=1dxijwj </nobr> 模型学习平方误差损失 <nobr> wLS=argminw∑i=1n(yi−f(xi;w))=argminwL </no...

2017-08-29

0 520

HMM隐马尔可夫模型

隐马尔科夫模型的基本概念定义 HMM是关于时序的概率模型，描述又一个隐藏的马尔科夫链随机生成不可观测的状态随机序列，再由各个状态生成一个观测而产生观测随机序列的过程。基本概念状态序列隐藏的马尔科夫链随机生成的状态的序列观测序列每个状态生成一个观测，而由此产生的观测的...

2017-08-27

0 582

EM算法及其推广

EM算法是一种迭代算法，用于含有隐变量的概率模型参数的极大似然估计，或极大后验概率估计。 EM算法的每次迭代由两步组成：E步，求期望；M步，求极大。所以这一算法称为期望极大算法，简称EM算法。 EM算法的引入 EM算法 EM算法与初值的选择有关，选择不同的初值可能得到不同的参数估计值。一...

2017-08-27

0 601

最大熵模型

最大熵(maximum entropy model)由最大熵原理推导实现。这里首先叙述一般的最大熵原理，然后讲解最大熵模型的推导，最后给出最大熵模型学习的形式。最大熵原理最大熵原理是概率模型学习的一个准则。最大熵原理认为，学习概率模型时，在所有可能的概率模型（分布）中，熵最大的模型是最好的模...

2017-08-27

1 631

朴素贝叶斯算法

朴素贝叶斯(naive Bayes)算法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布；然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出y。朴素贝叶斯算法的学习与分类基本方法朴素贝叶斯算法对...

2017-08-25

0 660

k近邻法

k近邻法不具有显式的学习过程。k近邻法利用训练数据集对特征向量空间进行划分，并作为其分类的“模型”。 k值的选择，距离度量及分类决策规则是k近邻法得三个基本要素。 k近邻算法 k近邻法根据给定的距离度量，在训练集T中找出与x最领进的k个点，涵盖这k个点的x的邻域记作 ...

2017-08-25

0 506