大纲： 算法分类有监督学习与无监督学习分类问题与回归问题生成模型与判别模型强化学习评价指标准确率与回归误差ROC曲线交叉验证模型选择过拟合与欠拟合偏差与方差正则化 半监督学习归类到有监督学习中去。 有监督学习大部分问题都是分类问题，有监督中的分类问题分为生成式模型和判别模型。 分类问题常用的评价指标 ...
分类：
其他好文 时间：
2019-11-30 18:55:39
阅读次数：
98
BEGAN: 创新： 1.不是考虑生成图片与真实图片之间的真实的分布，而是估计分布的误差的分布之间的差距。 2.G,D的能力平衡提出了一种均衡的概念 3。提供了一种超参数，这超参数可以在图片的多样性和生成质量之间做均衡 判别模型是自编码器，生成模型则借鉴了wgan的损失函数 一张图片相当于一个数据x ...
分类：
其他好文 时间：
2019-11-17 16:16:16
阅读次数：
56
原文地址：https://blog.csdn.net/Sakura55/article/details/81514828 1.GAN 先来看看公式： GAN网络主要由两个网络构成，生成网络G和辨别网络D，生成模型G的思想是将一个噪声包装成一个逼真的样本，判别模型D则需要判断送入的样本是真实的还是假的 ...
分类：
其他好文 时间：
2019-10-23 14:01:21
阅读次数：
87
统计学习 前言：机器学习比较重要的几部分：线性模型、统计学习、深度学习，线性部分包括SVM、压缩感知、稀疏编码，都是控制整个模型的稀疏性去做线性函数，偏 Discriminative 判别模型；统计学习主要通过统计方法对数据建模找到极大似然，偏 Generative 生成方法；深度学习就是 neur ...
分类：
其他好文 时间：
2019-10-11 21:56:34
阅读次数：
108
感知机(Perceptron)是一种二分类的线性分类模型，输入为实例的特征向量，输出为实例的类别，取+1和-1值。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，感知机学习旨在求出将训练数据进行线性划分的分离超平面，基于五分类的损失函数，利用梯度下降法对损失函数进行极小化，求得... ...
分类：
其他好文 时间：
2019-10-09 14:05:35
阅读次数：
137
从概率分布的角度考虑，对于一堆样本数据，每个均有特征Xi对应分类标记yi。 生成模型：学习得到联合概率分布P(x,y)，即特征x和标记y共同出现的概率，然后求条件概率分布。能够学习到数据生成的机制。 判别模型：学习得到条件概率分布P(y|x)，即在特征x出现的情况下标记y出现的概率。 数据要求：生成 ...
分类：
编程语言 时间：
2019-10-01 14:02:33
阅读次数：
122
感知机是二分类的线性分类模型，属于判别模型。 感知机的模型 定义(感知机) 假设输入空间(特征空间)是,输出空间是。输入表示实例的特征向量，对应于输入空间的点；输出表示实例的类别。由输入空间到输出空间的如下函数： 称为感知机。其中和为感知机模型参数，叫作权值或权值向量，叫作偏置，表示和的内积。sig... ...
分类：
其他好文 时间：
2019-09-19 19:48:45
阅读次数：
89
Logistic Regression [TOC] 模型介绍 ? 逻辑回归作为一个判别模型，其形式如下： $$ p(y=1\vert \mathbf x)=Ber\left(y\vert \text{sigm}\left(\mathbf w^T\mathbf x\right)\right) $$ 参 ...
分类：
其他好文 时间：
2019-07-20 09:23:02
阅读次数：
97
1. 简介首先简要介绍一下生成模型（Generative model）与判别模型（Discriminative mode）的概念： 生成模型：对联合概率进行建模，从统计的角度表示数据的分布情况，刻画数据是如何生成的，收敛速度快，例如朴素贝叶斯，GDA，HMM等。 判别模型：对条件概率P(Y|X) 进 ...
分类：
其他好文 时间：
2019-07-12 09:37:51
阅读次数：
543
在此记录下常见的机器学习面试问题。 判别式模型和生成式模型的区别？ 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，即判别模型。 生成方法：由数据学习联合概率密度分布函数 P（X,Y）,然后求出条件概率分布P(Y|X)作为预测的模型，即生成模型。 由 ...
分类：
其他好文 时间：
2019-07-09 19:24:27
阅读次数：
97
