07 2021 档案

摘要：习题10.1 由题， \(T=4, N=3,M=2\) 根据算法10.3 第一步，计算终期 \(\beta\) ： \(\beta_4(1) = 1, \beta_4(2) = 1, \beta_4(3) = 1\) 第二步，计算中间每期 \(\beta\) ： \(\beta_3(1) = a_{ 阅读全文

摘要：习题9.1 EM算法分为E步与M步 对于E步，计算期望。 \(\mu_j^{(i+1)} = \frac{\pi^{(i)}(p^{(i)})^{y_j}(1-p^{(i)})^{1-y_j}}{\pi^{(i)}(p^{(i)})^{y_j}(1-p^{(i)})^{1-y_j} + (1 - \ 阅读全文

摘要：习题8.1 可使用 scikit-learn 库的 sklearn.ensemble.AdaBoostClassifier 进行模型的训练 略 习题8.2 列出表格进行对比 模型名称 学习策略 学习的损失函数 学习算法 支持向量机 极小化正则化合页损失，软间隔最大化 合页损失 序列最小最优化算法（S 阅读全文

摘要：习题7.1 感知机的对偶形式与支持向量机的对偶形式的区别在于：感知机是通过假设参数变化的增量进行转换；而支持向量机是通过求解带约束的最优化问题，通过拉格朗日对偶性转为无约束最优化问题去求解。 感知机的原始形式 最优化目标函数： \(\mathop{min} \limits_{w,b} L(w,b) 阅读全文

摘要：习题6.1 首先解释什么是指数分布族。组数分布族，也称指数族分布（后面用这个名词替代），指数族分布为满足 \(f(x|\theta) = h(x) *exp(\eta(\theta)*T(x) - A(\eta))\) 形式的概率分布 （\(f(x|\theta)\) 可为概率分布的概率密度函数）。 阅读全文