GAN原理介绍 GAN 来源于博弈论中的零和博弈，博弈双方，分别为生成模型与判别模型。 生成模型G捕捉样本数据的分布，用服从某一分布例如正太，高斯分布的噪声z来生成一个类似真实训练数据的样本，追求的效果是越像真实越好。 判别模型是一个二分类器，判别样本来自于训练数据还是真实数据的概率。如果来自于真实 ...
分类：
其他好文 时间：
2021-06-20 18:06:47
阅读次数：
0
1、生成式对抗网络（GAN, Generative Adversarial Networks ）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。 2、模型通过框架中（至少）两个模块：生成模型（Generative Model）和判别模型（Discriminative Model） ...
分类：
其他好文 时间：
2020-07-25 23:42:46
阅读次数：
63
先说结论，贝叶斯分类=最大化后验概率。 给定样本$x$和所属类别$c$，贝叶斯最优分类器欲最大化后验概率$P(c|x)$。想实现这个目的可以通过判别模型（如决策树、支持向量机等，直接对后验概率建模），或生成模型（对联合概率$P(x,c)$建模）。 对于生成模型，考虑： \[ P(c|x)=\frac ...
分类：
其他好文 时间：
2020-07-11 20:54:58
阅读次数：
68
Reference：李航 --《统计学习方法》 10 种主要的统计学习方法概括总结 方法 适用问题 模型特点 模型类型 学习策略 学习的损失函数 学习算法 感知机 二类分类 分离超平面 判别模型 极小化误分点到超平面距离 误分点到超平面距离 随机梯度下降 k 近邻 多类分类，回归 特征空间，样本点 ...
分类：
其他好文 时间：
2020-07-06 14:36:46
阅读次数：
104
马尔可夫判别器（PatchGAN） 概念 马尔可夫判别器是判别模型的一种。 基于 的分类模型有很多种，很多网络都是在最后引入了一个全连接层，然后将判别的结果输出（输出结点）。 马尔可夫判别器则是不一样，直观来看，它完全由卷积层构成，最后输出的是一个n n的矩阵，最后取输出矩阵的均值作为 的输出。 事 ...
分类：
其他好文 时间：
2020-05-09 10:25:57
阅读次数：
398
判别方法 ：由数据直接学习 决策函数 Y=f(X),或者由条件分布概率P(Y|X)作为预测模型为判别模型。 常见的 判别模型 有线性回归、boosting、SVM、决策树、感知机、线性判别分析(LDA)、逻辑斯蒂回归等算法。 生成方法 ：由数据学习x和y的 联合概率密度分布函 数P(Y,X)，然后通 ...
分类：
其他好文 时间：
2020-04-04 16:16:08
阅读次数：
86
一、引入 最开始知道生成模型和判别模型，是在李航的统计学习方法里，当时的理解是：生成模型，就是同时考虑了X和Y的随机性，也就是说二者都是随机变量；判别模型，就是只考虑了Y的随机性，而X并不是个随机变量，即使X存在于条件中，但是并没有p(x)这种说法。当时同时也知道了，朴素贝叶斯和隐马尔可夫都是生成模 ...
分类：
其他好文 时间：
2020-03-27 00:47:38
阅读次数：
176
感知机属于有监督的学习，生成的模型称为判别模型。其通过特定的函数将输入的特征向量，输出为实例的类别（+1或-1），该函数即为将实例划分为两类的分离超平面。为获得最优化的超平面，感知机引入了基于误分类的损失函数。感知机是神经网络和支持向量机的基础。 有监督学习分为生成模型和判别模型两种。其分别含义如下 ...
分类：
其他好文 时间：
2020-03-07 20:30:43
阅读次数：
122
1. 感知机模型 输入为实例的特征向量， 输出为实例的类别， 取+1和-1；感知机对应于输入空间中将实例划分为正负两类的分离超平面， 属于判别模型；导入基于误分类的损失函数；利用梯度下降法对损失函数进行极小化；感知机学习算法具有简单而易于实现的优点， 分为原始形式和对偶形式；1957年由Rosenb ...
分类：
其他好文 时间：
2020-01-26 11:40:01
阅读次数：
130
逻辑回归 原理 逻辑回归模型 逻辑回归模型（LR）是判别模型，可以用于二分类或多分类，模型如下： 二分类： $$P(Y=1 | x)=\frac{\exp\left(w \cdot x\right)}{1+ \exp \left(w \cdot x\right)}$$ $$P(Y=0 | x)=\f ...
分类：
其他好文 时间：
2019-12-19 23:00:39
阅读次数：
219
