朴素贝叶斯算法 优点： 算法原理和实现简单，常用于文本分类。 对小规模数据表现很好，适合多分类增量式训练任务。 对缺失数据不太敏感。 缺点： 对输入数据的表达形式很敏感 需要计算先验概率，分类决策存在错误率 要求样本之间相互独立，这就是“朴素”的意思，这个限制有时很难做到，或使用者误以为符合而造成错 ...
分类：
编程语言 时间：
2020-04-16 12:56:44
阅读次数：
79
正则化是为了防止过拟合。 1. 范数 范数是衡量某个向量空间（或矩阵）中的每个向量以长度或大小。 范数的一般化定义：对实数p>=1， 范数定义如下： L1范数： 当p=1时，是L1范数，其表示某个向量中所有元素绝对值的和。 L2范数： 当p=2时，是L2范数， 表示某个向量中所有元素平方和再开根， ...
分类：
其他好文 时间：
2020-04-11 09:28:26
阅读次数：
340
peaks 介绍 peaks() 函数本质上是一个二元高斯分布的PDF； 从图像上看，它有3个极小点，3个极大点； .jpg) 应用举例 代码 最终的效果图： ...
分类：
其他好文 时间：
2020-04-08 21:01:28
阅读次数：
119
1. 有时候单一高斯分布不能很好的描述分布 image.png 上图左面用单一高斯分布去描述，显然没有右图用两个高斯分布去描述的效果好。 2. 引入混合高斯分 这里插一句，为什么是“高斯混合模型”，而不是别的混合模型，因为从中心极限定理知，只要K足够大，模型足够复杂，样本量足够多，每一块小区域就可以 ...
分类：
其他好文 时间：
2020-04-08 11:51:36
阅读次数：
73
前言：介绍了最简单的最大似然估计，距离实现「朴素贝叶斯」还有一些距离。在这篇文章，我想分享一下，我所理解的「最大似然估计 - 高斯分布」。 问题 （这里都是玩具数据，为了方便理解才列出） 0123456789101112 X 1 2 3 4 4.2 4.4 4.6 4.8 5 6 7 8 y 0 0 ...
分类：
其他好文 时间：
2020-04-07 20:02:22
阅读次数：
247
什么是高斯混合模型 高斯混合模型（GMM）认为，一个数据分布可以有几个高斯分布组合而成。 参考博客：| "知乎" | 高斯混合模型聚类 对于一个多类别数据集合，所有类别各自的数据分布的组合就是整体数据分布。这非常符合高斯混合模型理论。我们可以用一个生活化一点的例子来说明高斯混合模型聚类。假设有一堆颜 ...
分类：
其他好文 时间：
2020-02-28 23:04:31
阅读次数：
73
张军平 著 2019年出版 博主很喜欢这本书，作者知识广博，信息密度和趣味性恰到好处。 摘要：本书科普性地介绍了人工智能前沿进展，着重从人类错觉的角度，浅显易懂地剖析了智能体在视、听、语言等方面存在的各种错觉和犯错，以及AI在发展中的一些新颖的方向。 贝叶斯先验的有限性，与人的全部终身经历的冲突。复 ...
分类：
其他好文 时间：
2020-02-25 18:06:28
阅读次数：
83
高斯混合模型 本博客根据 百面机器学习，算法工程师带你去面试 一书总结归纳，公式图片均出自该书. 本博客仅为个人总结学习，非商业用途，侵删. 网址 http://www.ptpress.com.cn 高斯混合模型（Gaussian Mixed Model， GMM） 是一种常见的聚类算法，与K均值算 ...
分类：
其他好文 时间：
2020-02-20 18:38:49
阅读次数：
97
高斯分布1 概览 一元高斯分布： $$ N(x|\mu,\sigma^2)=\frac{1}{\sqrt{2\pi\sigma^2}}\exp( \frac{(x \mu)^2}{2\sigma^2}) $$ 对于D维向量$\boldsymbol x$，多元高斯分布为： $$ N(\boldsymb ...
分类：
其他好文 时间：
2020-02-16 20:29:26
阅读次数：
90
《No-Reference Image Quality Assessment in the Spatial Domain》，BRISQUE。 1. 广义高斯分布，generalized Gaussian distribution，GGD 1.1 描述 零均值的广义高斯分布如下： 其中 而 Γ(·) ...
分类：
其他好文 时间：
2020-02-16 01:18:00
阅读次数：
212
