05 2017 档案

统计学习-朴素贝叶斯法
摘要：朴素贝叶斯(naive Bayes)法是根据贝叶斯定理与特征条件独立假设的分类方法. 对于给定的训练数据集, 首先基于特征条件独立假设学习输入/输出的联合概率分布 , 然后基于此模型, 对给定的输入$x$, 利用贝叶斯定理求出后验概率最大的输出$y$. 基本方法: 设输入空间$\mathcal{X} 阅读全文
posted @ 2017-05-27 15:42 kcats 阅读(278) 评论(0) 推荐(0)
统计学习-k邻近法
摘要：k近邻法(k nearest neighbor, k NN)可用于分类与回归. 在分类问题中, 假设给定一个训练数据集, 其中的实例类别已定. 分类时, 对新的实例, 根据其k个最按住的训练实例的类别, 通过多数表决等方式进行预测. 不具备显式的学习过程. k值的选择, 距离的度量以及分类决策规则是 阅读全文
posted @ 2017-05-24 18:50 kcats 阅读(478) 评论(0) 推荐(0)
统计学习-感知机
摘要：感知机对应于输入空间中实例划分为正负两类的分离超平面, 属于判别模型. 其目标是求出将训练数据进行线性划分的分离超平面. 是神经网络与去过向量机的基础 定义: 假设输入空间(特征空间)是$\mathcal{X} \subseteq \mathbf{R}^n$, 输出空间是$\mathcal{Y} = 阅读全文
posted @ 2017-05-24 00:33 kcats 阅读(422) 评论(0) 推荐(0)
统计学习-方法论
摘要：统计学习即是基于数据构建概率统计模型并运用模型对数据进行预测与分析的一种方法, 是机器学习的一个分支. 监督学习 : 从给定的有限训练数据集合出发, 假设数据是独立同分布产生的, 并且假设要学习的模型属于某个 函数的集合 , 称为假设空间, 应用某个评价准则, 从 假设空间中选取一个最优的模型 , 阅读全文
posted @ 2017-05-23 19:05 kcats 阅读(506) 评论(0) 推荐(0)
背景知识-矩阵
摘要：矩阵 ($A$): 矩形的数组... \begin{align} A_{m \times n} = \begin{bmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\\\ a_{21} & a_{22} & \cdots & a_{2n} \\\\ \vdots 阅读全文
posted @ 2017-05-21 16:45 kcats 阅读(674) 评论(0) 推荐(0)
基本图算法-图的表示和图的搜索
摘要：图的表示 图的搜索 : 指系统化地跟随图中的边来访问图中的每个结点. 可以用来发现力瓣结构, 许多的图算法在一开始都会先通过搜索来获得图的结构, 其它的一些图算法则是对基本的搜索算法加以优化. 图的表示 : 对于一个图$G= (V, E)$, 其中$\left|V\right|$表示图的结点数, $ 阅读全文
posted @ 2017-05-19 18:13 kcats 阅读(668) 评论(0) 推荐(0)