随笔分类 -  ML

Machine Learning
[转] 理解信息熵&交叉熵&KL散度
摘要：from: https://www.jianshu.com/p/43318a3dc715 and: https://www.zhihu.com/question/41252833 作者：Peiwen 链接：https://www.zhihu.com/question/41252833/answer/ 阅读全文
posted @ 2020-05-08 09:30 凌波微步_Arborday 阅读(457) 评论(0) 推荐(0)
[转] EM算法总结
摘要：From: https://www.cnblogs.com/pinard/p/6912636.html EM算法也称期望最大化（Expectation-Maximum,简称EM）算法，它是一个基础算法，是很多机器学习领域算法的基础，比如隐式马尔科夫算法（HMM）， LDA主题模型的变分推断等等。本文 阅读全文
posted @ 2020-05-05 17:14 凌波微步_Arborday 阅读(532) 评论(0) 推荐(0)
[转] 如何轻松愉快地理解条件随机场（CRF）？
摘要：原文链接：https://www.jianshu.com/p/55755fc649b1 如何轻松愉快地理解条件随机场（CRF）？ 理解条件随机场最好的办法就是用一个现实的例子来说明它。但是目前中文的条件随机场文章鲜有这样干的，可能写文章的人都是大牛，不屑于举例子吧。于是乎，我翻译了这篇文章。希望对其 阅读全文
posted @ 2018-05-28 14:15 凌波微步_Arborday 阅读(227) 评论(0) 推荐(0)
[转] 训练集，验证集和测试集
摘要：转自：https://testerhome.com/topics/11390 我们在模型训练的时候通常会将我们所得到的数据分成三部分。 分别是training set， dev set(也叫validation set)和 test set。 在我们的模型调研过程中，他们分别起着不同的作用。trai 阅读全文
posted @ 2018-03-21 20:34 凌波微步_Arborday 阅读(403) 评论(0) 推荐(0)
［转］如何理解似然函数
摘要：作者：Yeung Evan链接：https://www.zhihu.com/question/54082000/answer/145495695来源：知乎 在英语语境里，likelihood 和 probability 的日常使用是可以互换的，都表示对机会 (chance) 的同义替代。但在数学中， 阅读全文
posted @ 2018-02-27 07:29 凌波微步_Arborday 阅读(819) 评论(0) 推荐(0)
[机器学习] k近邻算法
摘要：算是机器学习中最简单的算法了，顾名思义是看k个近邻的类别，测试点的类别判断为k近邻里某一类点最多的，少数服从多数，要点摘录： 1. 关键参数：k值 && 距离计算方式 && 分类决策规则 2. k=1, 即只取最近点，容易过拟合，k取较大值，容易欠拟合。k值越小，模型越复杂。k ＝ 3 or 5 w 阅读全文
posted @ 2018-02-06 08:14 凌波微步_Arborday 阅读(235) 评论(0) 推荐(0)