摘要:
朴素贝叶斯分类是一种生成式分类 p(y|x) = p(y,x) / p(x) =p(x|y) p(y) | p(x) 在训练的时候假设x的所有特征是相互独立的,所以p(x|y) = 所有p(xi | y) 的乘积 只要通过贝叶斯展开+有xi独立 就能得到 这个模型里的参数就是,给定y这个条件下,生成 阅读全文
摘要:
判别式:计算 p(y|x) 生成式:计算 p(x|y) 给定类目,生成特征的概率 阅读全文
摘要:
多看看 行业领先者 前人 合作伙伴 竞争对手 做的怎么样 阅读全文
摘要:
求偏导的线性方程解和梯度下降,都是求极值的两个方法 阅读全文
摘要:
在看懂了之后,再盖上书,自己推导一遍公式,才算真正地懂了这个算法——andrew NG 阅读全文
摘要:
线性回归: 可以用损失函数来评估模型,这个损失函数可以选择平方损失函数, 将所有样本的x和y代入, 只要损失函数最小,那么得到的参数就是模型参数 逻辑回归: 可以使用似然概率来评估模型,将所有样本的x和y代入, 只要这个似然概率最大,那么得到的参数,就是模型参数 也可以理解为,其实概率模型不是用损失 阅读全文
摘要:
二分类问题可以解决很多问题, 而不是只是类似 分类为男,还是女,高或矮 可以是逻辑判断:是或否,0或1 比如 是不是 会6个月后换房子, 是不是会泡妞成功 这能表示各种情况 这些情况下,样本空间的y,是6个月后换房子 或者6个月后没换房子 是泡妞成功,或者没泡妞成功,等等 所以逻辑回归为什么是一种分 阅读全文