12 2018 档案

摘要：条件随机场是给定一组输入随机变量条件下另一组输出随机变量的条件概率分布模型，其特点是假设输出随机变量构成马尔可附随机场，条件随机场可用于不同的预测问题，书中仅讨论在标注问题的应用，主要讲述线性链条件随机场，问题变成由输入序列对输出序列预测的判别模型，形式为对数线性模型，学习方法通常是极大似然估计或正 阅读全文

摘要：本系列笔记内容参考来源为李航《统计学习方法》 隐马尔可夫模型是可用于标注问题的统计学习模型，描述由隐藏的马尔科夫链随机生成观测序列的过程，属于生成模型。 概率计算算法 前向算法 后向算法 一些概率与期望值的计算 学习算法 隐马尔可夫模型的学习，根据训练数据是包括观测序列和对应的状态序列还是只有观测序 阅读全文

摘要：本系列笔记内容参考来源为李航《统计学习方法》 EM算法是一种迭代算法，用于含有隐变量的概率模型参数的极大似然估计或极大后验概率估计。迭代由 （1）E步：求期望 （2）M步：求极大 组成，称为期望极大算法。 EM算法引入 EM算法是通过不断求解下界的极大化逼近求解对数似然函数极大化的算法。 EM在监督 阅读全文

摘要：本系列笔记内容参考来源为李航《统计学习方法》 参考： [转]Adaboost 算法的原理与推导 补充提升树内容 GBDT：梯度提升决策树 Boosting主要关注降低偏差，因此Boosting能基于泛化性能相当弱的学习器构建出很强的集成，Bagging主要关注降低方差，因此它在不剪枝的决策树、神经网 阅读全文