IP屬地：北京
-
其他常見神經網絡局部特征學習算法 實際中不可能對全網進行全局統一的學習，這會導致過大的資源消耗 相比之下，比較實際的選擇是局部學習，而且輸入很多時候確實存在局部...
-
神經網絡神經元模型 神經網絡的定義由具有適應性的簡單單元組成的廣泛并行互聯的網絡，它的組織能夠模擬生物神經系統對真實無知所作出的交互反應 機器學習中的神...
-
集成學習1. 個體與集成 集成學習通過構建并結合多個學習器完成學習任務，常可獲得比單一學習器顯著優越的泛化性能集成學習對于弱學習器的集成效果最明顯實踐中...
-
決策樹基本流程 核心思想：通過構建一個樹狀模型來對新樣本進行預測 主要結構：一棵決策樹包含一個根節點、若干內部節點與葉結點。葉結點對應于決策結果，其他...
-
LDA與QDALDA原理推導 LDA 學習的Bayes解決方案 一般地，對于多分類問題，假設有個判別函數 如果滿足則將判別為類 判別函數可以替換為任意一個單調...
-
Logistics回歸與Fisher線性判別分析Logistics回歸與Fisher線性判別分析 Logistic回歸 階躍函數對于二分類任務來說，線性回歸模型產生連續的預測值，需要將其轉化為...
-
線性模型線性模型 3.0 生成學習和識別器 基本目標：獲得映射，其中為特征，為類別 Bayes optimal classifier: What is ...
-
回歸與分類模型的性能度量
回歸與分類模型的性能度量 性能度量(performance measure), 是衡量模型泛化能力的評價標準 性能度量反映任務需求，在對比不同模...
-
模型評估與選擇
1 統計學習三要素 方法 = 模型 + 策略 + 算法 模型：若假設空間以表示，決策函數(或假設)以表示，則 = {|}? ...