首页 - 2018级计算机实验班《机器学习》 - 福州大学 - 班级博客

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  177

学习笔记：思维导图：

西南st  2021-05-27 21:53  0  54

第四章学习笔记

雨雪来思  2021-05-27 21:30  0  25

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  56

#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  62

《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  73

##4.1 线性判据基本概念生成模型：直接在输入空间中学习其概率密度p(x) 判别模型：给定训练样本，直接在输入空间内估计后验概率p(Ci|x) 优势：快速直接 ###线性判据判别模型f(x)是线性函数，则f(x)为线性判据优势：计算量少；适合训练样本较少时数学表达：决策边界：任意样本x

含光hu  2021-05-27 21:05  0  82

思维导图：第四章-线性判据与回归线性判据基本概念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)。优势：可以根据p(x)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：在高维空间会出现维度灾难问题。判别模型给定训练样本{xn}，直接在输

Synnn  2021-05-27 21:04  0  168

第四章思维导图学习笔记

Yukyyy7  2021-05-27 20:57  0  32

#第四章：线性判据与回归 ##思维导图 ##4.1线性判据基本概念生成模型：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)。优点：①可以根据𝑝(𝒙)采样新的样本数据；②可以检测出较低概率的数据，实现离群点检测。缺点：如果是高维的𝒙，需要大量训练样本才能准确的

3xxxv5  2021-05-27 20:49  0  61