zoukankan      html  css  js  c++  java

  • 第四章 线性判据与回归

    线性判据与回归

    线性判据基本概念

    • 生成模型
      image.png
    • 判别模型
      image.png
    • 优势：快速、直接省去了耗时的高维观测似然概率估计

    最简单的判别模型

    • 线性判据
      定义：
      image.png
      数学表达：
      image.png
      决策边界方程：
      image.png
      任意样本到决策边界的距离：
      image.png

    线性判据学习概述

    • 目标函数
      image.png
    • 约束条件
      image.png

    并行感知机算法

    • 预处理
      image.png
      几何解释
      image.png
    • 目标函数
      image.png
    • 梯度下降法
      image.png
    • 参数更新
      image.png

    总结

    算法流程：
    image.png

    串行感知机

    • 概述：
      image.png
    • 流程
      image.png
    • 步长与收敛性

    image.png

    • Fisher 线性判据
      image.png
    • 目标函数
      image.png
      优化
      image.png
    • 最优参数解
      image.png
    • 决策边界方程
      image.png

    支持向量机基本概念

    • 概念
      image.png
    • 重新表达
      image.png
    • 支持向量
      image.png
      间隔计算
      image.png
    • 目标函数
      image.png

    拉格朗日乘数法

    image.png

    • 拉格朗日函数（等式约束）
      image.png
    • 不等式约束
      情况1
      image.png
      情况2
      image.png

    拉格朗日对偶问题

    image.png

    支持向量机学习算法

    1）构建拉格朗日函数
    image.png
    2）构建对偶函数
    image.png

    • 决策过程
      image.png
  • 相关阅读:
    iBatis,第二次亲密接触
    微斯人，吾谁与归
    一个月了
    生命在于运动
    眼皮跳了好几天
    往返
    中病毒，学习批处理
    票
    爱如潮水
    今天夏至
  • 原文地址：https://www.cnblogs.com/sy57/p/12826237.html
Copyright © 2011-2022 走看看