zoukankan      html  css  js  c++  java
  • 机器学习 —— 概率图模型(学习:综述)

      今天Google的机器人AlphaGo获得了围棋对阵李世石的第二场胜利,我也进入到概率图模型学习模块的阶段。Machine Learning 令人着迷也令人畏惧。

    ——题记

    1、基于PGM的学习

      ANN网络的拓扑结构往往是类似的。同一套模型以不同的样本进行训练,可以获得不同的结果。PGM可以人为的向网络中添加先验知识,在设计以及分析时有更好的可读性。此外,概率图模型在序列变量的学习上,要优于常规机器学习算法。本质上,基于PGM的学习是在给定Dataset的基础上,对随机变量的分布进行估计。

      

    2、学习可分为以下几种情况:

      1、数据完整,网络结构完整

      2、数据不完整,网络结构完整

      3、数据不完整、网络结构不完整

      4、数据完整,网络结构不完整

      5、存在隐藏变量,且数据不完整

    3、学习可分为以下几种目的:

      1、针对新的实例回答概率询问:拿出三个香蕉一个苹果,箱子里水果比例是多少

        特点:容易计算

      2、针对新的实例进行预测:获得某个像素求label

        特点:关心特定的目标。优化模型选择简单。

        

      3、对给定数据挖掘其联系:奶粉与尿布的相关性

    4、避免过拟合

      使用超参数,将数据集分成:训练集,校正集,测试集,利用校正集来对超参数进行校正。

  • 相关阅读:
    ScrollView嵌套EditText联带滑动的解决的方法
    POJ 2003 Hire and Fire (多重链表 树结构 好题)
    leetcode笔记:Bulls and Cows
    PHP中使用ActiveMQ实现消息队列
    WPF模拟键盘输入和删除
    DLLImport的用法C#
    Net Core 的配置模式以及热重载配置
    简体与繁体转换
    Webdings字体、Wingdings字体对照表、用CSS3绘制的各种小图标
    查询大于2分钟的数据
  • 原文地址:https://www.cnblogs.com/ironstark/p/5263380.html
Copyright © 2011-2022 走看看