隐马尔科夫模型是一种序列模型，广泛应用于自然语言处理，语音识别，生物信息等领域。 1. 模型的定义与约定： 定义：一个隐马尔科夫模型指的是如下的两个随机序列$I,O$： 1）一个不可观测随机序列：$I=(i_{1},...,i_{T})$, 可以取值状态集合$Q=\lbrace 1,...,K\rb ...
分类：
其他好文 时间：
2019-11-02 00:31:05
阅读次数：
105
一、核心思想：由部分估计整体 二、具体分析 （1）先举一个最简单的例子，如下： 转换成更专业一点的就是：现在有一个样本分布为A，我们从这个样本分布中获得了一部分样本a，极大似然就是要利用这部分a来估计A的分布； 做法就是对A构建模型，模型参数为Q，然后再构建极大似然函数表示在何种模型参数Q下可以最大 ...
分类：
其他好文 时间：
2019-10-28 13:00:03
阅读次数：
80
[TOC]更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.cnblogs.com/nickchen121/# 极大似然估计# 一、最大似然原理$，已经习惯这么写了，可是为什么这么写？为什么X在前，为什么 $\theta$ 在后，分别代表了什么？这些更深一层的逻辑和理由不是特别清晰，故此梳理一下频率派与贝叶斯派的区别。 2. 本 ...
分类：
其他好文 时间：
2019-10-12 20:38:38
阅读次数：
128
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
最大似然估计的意思就是最大可能性估计,其内容为:如果两件事A,B相互独立,那么A和B同时发生的概率满足公式 P(A , B) = P(A) * P(B) P(x)表示事件x发生的概率. 如何来理解独立呢?两件事独立是说这两件事不想关,比如我们随机抽取两个人A和B,这两个人有一个共同特性就是在同一个公 ...
分类：
其他好文 时间：
2019-10-10 22:09:02
阅读次数：
76
逻辑回归 理论分析 概述 ? Logistic回归在本质上是线性回归，只是在特征到结果的映射中加入了一层函数映射，即先把特征线性求和，然后使用函数$g(z)$将上述结果映射到0 1上。 优点：计算代价不高，易于理解和实现 缺点：容易欠拟合，分类精度不高 适用数据：数值型和标称型 映射函数 sigmo ...
分类：
其他好文 时间：
2019-10-07 11:16:28
阅读次数：
90
贝叶斯决策 首先来看贝叶斯分类，我们都知道经典的贝叶斯公式： 其中：p(w)：为先验概率，表示每种类别分布的概率；：类条件概率，表示在某种类别前提下，某事发生的概率；而为后验概率，表示某事发生了，并且它属于某一类别的概率，有了这个后验概率，我们就可以对样本进行分类。后验概率越大，说明某事物属于这个类 ...
分类：
其他好文 时间：
2019-09-11 14:06:30
阅读次数：
104
1、什么是逻辑回归； 2、逻辑回归的流程及推导； 3、逻辑回归的多分类 4、逻辑回归VS线性回归 5、逻辑回归 VS SVM 1、什么使逻辑回归； 名为回归，实际是分类，通过计算$P(y=0|x;\theta )$的大小来预测分类类别，预测的是类别0，1，而不是概率，但计算的是概率；$0\leq P ...
分类：
其他好文 时间：
2019-09-01 14:52:04
阅读次数：
76
