2018年10月26日
SVM 与 LR的异同
摘要： LR & SVM 的区别 相同点 1. LR和SVM都是分类算法。 2. 如果不考虑核函数，LR和SVM都是线性分类算法，也就是说他们的分类决策面都是线性的。 3. LR和SVM都是监督学习算法。 4. LR和SVM都是判别模型。 不同点 1. 损失函数不一样 2. 支持向量机只考虑局部的边界线附近 阅读全文
posted @ 2018-10-26 18:06 狂徒归来 阅读(425) 评论(0) 推荐(0)
EM算法简易推导
摘要： EM算法推导 网上和书上有关于EM算法的推导，都比较复杂，不便于记忆，这里给出一个更加简短的推导，用于备忘。 在不包含隐变量的情况下，我们求最大似然的时候只需要进行求导使导函数等于0，求出参数即可。但是包含隐变量，直接求导就变得异常复杂，此时需要EM算法，首先求出隐变量的期望值（E步），然后，把隐变 阅读全文
posted @ 2018-10-26 13:12 狂徒归来 阅读(390) 评论(0) 推荐(0)
K-means算法的优缺点
摘要： K means算法的优缺点 优点：原理简单，实现容易 缺点： 1. 收敛较慢 2. 算法时间复杂度比较高 $O(nkt)$ 3. 不能发现非凸形状的簇 4. 需要事先确定超参数K 5. 对噪声和离群点敏感 6. 结果不一定是全局最优，只能保证局部最优 阅读全文
posted @ 2018-10-26 12:17 狂徒归来 阅读(9842) 评论(0) 推荐(0)