首页 - 2018级计算机实验班《机器学习》 - 福州大学 - 班级博客

班级所有博文发布时间分布（24小时制）：

思维导图学习笔记

拖拉机没有拖  2021-05-27 22:54  0  42

思维导图学习模型一、判别模型 1.1 线性判据 1.1.1 简介学习过程监督式学习识别过程将待识别样本代入训练好的判据方程目标函数（也可加入正则项提高泛化能力）目标函数的求解 (1) 最小化/最大化目标函数 (2) 解析求解（求偏导）/迭代求解（梯度下降法） (3) 约束条件梯度下

小破药罐  2021-05-27 22:46  0  256

#第四章线性判别与回归 ##4.1线性判据基本概念判别模型:给定训练样本xn,直接在输入空间内估计后验概率p(Ci|x)。优势: 快速直接、省去了耗时的高维观测似然概率估计。线性判据——最简单的判别模型 ##4.2线性判据学习概述 ###1）设计目标函数 ###2）最大(小)化目标函数——优化

yan-ing  2021-05-27 22:40  0  82

##思维导图： ##第四章线性判据与回归 ###一．线性判据基本概念和学习概述 1.生成模型（给定训练样本，直接在输入空间内学习其概率密度函数）优势：可以根据采样新的样本数据；可以检测出较低概率的数据，实现离群点检测。劣势：高维的x，需要大量训样本才能准确的估计（维度灾难问题）。 2.判别模型

lwn_user  2021-05-27 22:36  0  59

思维导图： 1.线性判据基本概念生成模型概念：给定训练样本 {𝒙𝑛}，直接在输入空间内学习其概率密度函数𝑝(𝒙)。优势：可以根据𝑝 𝒙 采样新的样本数据(synthetic data)；可以检测出较低概率的数据，实现离群点检测劣势;如果是高维的𝒙，需要大量训练样本才能准确的估计�

宁有故人，可以相忘  2021-05-27 22:21  0  156

学习笔记：思维导图：

西南st  2021-05-27 21:53  0  46

第四章学习笔记

雨雪来思  2021-05-27 21:30  0  23

第四章线性判据与回归 4.1 线性判据基本概念 ####1.生成模型给定训练样本 {𝒙𝑛}，直接在输入空间内学习其概率密度函数𝑝(𝒙)。在贝叶斯决策分类中，生成模型通常用于估计每个类别的观测似然概率𝑝(𝒙|𝐶𝑖)，再结合先验概率得到联合概率𝑝(𝒙,𝐶𝑖)=𝑝(𝒙|�

edwardwsb  2021-05-27 21:29  0  48

#思维导图 #第四章线性判据与回归 ##4.1、线性判据基本概念定义如果判别模型f(x)是线性函数，则f(x)为线性判据。可以用于两类分类也可以用于多类分类，相邻两类之间的决策边界也是线性的。优势计算量少：在学习和分类过程中，线性判据方法都比基于学习概率分布的方法计算量少。适用于训

FZU_LH  2021-05-27 21:28  0  47

《机器学习》第二次作业——第四章学习记录和心得思维导图笔记

Thewillman  2021-05-27 21:11  0  63