判别模型

[动手学深度学习PyTorch笔记1]线性回归、分类模型、多层感知机

//本系列内容为动手学深度学习PyTorch版的学习笔记，内容参考伯禹教育平台线性回归要素模型：线性模型大部分是线性判别模型，判别模型也称为条件模型，是建模预测变量和观测变量之间的关系，分为确定性判别模型和概率判别模型
weixin_43246989·2020-08-02 14:32

莫烦pytorch学习笔记6

模型通过框架中（至少）两个模块：生成模型（GenerativeModel）和判别模型（Discrimina
dayday学习·2020-08-02 12:53

监督学习——综述

目录生成模型判别模型常见的损失函数0-1损失绝对值损失log对数损失平均绝对误差平方损失均方根误差指数损失Hinge损失Huber损失softmax损失参考博客大致写完了数据处理相关的部分，接下来就要手撕各种算法了
泽翾·2020-08-01 10:15

【机器学习】判别模型和生成模型

判别模型判别模型会学习出特征X和输出Y之间的关系，一般这种关系就两种Y=F(X)Y=F(X)Y=F(X)P(Y∣X)P(Y|X)P(Y∣X)生成模型直接求出X和Y的联合分布P(X,Y)P(X,Y)P(X
mlyubin·2020-08-01 05:19

首幅AI画作拍卖成功 成交价超过毕加索画---算法可以模仿创作力？

这种深度学习是一种生成对抗网络（GAN）模型，通过“生成模型”和“判别模型”互相博弈产生相的结果。创作团体
数云传媒·2020-07-31 20:22

基于DCGAN的手写数字生成

生成对抗模型，简单的可以理解为一个生成模型G，一个判别模型D，判别模型用于判断一个给定的图片是否真实图片（从数据集里获取的图片），生成模型的任务是去创造一个看起来像真的图片一样的图片，一开始的时候这两个模型都是没有经过训练的
akiyamamio11·2020-07-31 15:51

判别式模型与生成式模型

AndrewNg在NIPS2001年有一篇专门比较判别模型和产生式模型的文章
wolenski·2020-07-30 22:36

【机器学习（二）】感知机

1.简介感知机是二类分类的线性分类模型将输入空间（特征空间）划分为正负两类的分离超平面属于判别模型2.模型参数空间为各维的权重w及额外的偏置b（n+1）其中w为切分超
第五清风·2020-07-30 16:57

生成对抗网络（GAN、DCGAN、ACGAN）-----学习笔记

生成对抗网络学习笔记生成对抗网络有两个关键结构：生成模型、判别模型。生成模型：输入是一个服从正态分布的N维向量，利用这个N维向量生成一张图片。判别模型：对于生成模型输出的图像判别它是不是真的图像。
shuyeah·2020-07-30 10:49

Adversarial Learning for Semi-supervised Semantic Segmentation

目标：利用对抗学习解决半监督语义分割问题方法：通过融合对抗学习损失和分割交叉熵损失，提升语义分割的精度（详见code）生成模型为任意语义分割模型判别模型基于FCN，输入为真实分割标签或通过分割模型产生的分割结果
篱落秋风·2020-07-30 03:03

感知机

感知机对应于输入空间（特征空间）中将实例划分为正负两类的分离超平面，属于判别模型。
cute 0001·2020-07-29 23:36

机器学习：监督学习各方法特点及适用情况

感知机的模型特点是分离超平面，属于判别模型。学习策略是极小化误分点到超平面的距离，利用梯度下降法对损失函数进行极小化。该算法具有简单而易于实现的优点
VM_Alike·2020-07-29 20:15

高斯判别分析(Gaussian discriminant analysis)和朴素贝叶斯方法(Naive Bayes)

高斯判别分析(Gaussiandiscriminantanalysis)和朴素贝叶斯方法(NaiveBayes)生成模型和判别模型监督学习一般学习的是一个决策函数：y=f(x)或者是条件概率分布：p(y
Jeffrey-Heart·2020-07-29 03:33

感知机学习算法的实现以及收敛性的简单证明

感知机分为原始形式和对偶形式两种，是针对二分类问题，利用分离超平面进行分类的判别模型。分类策略与方法是基于误分类的损失函数，利用梯度下降对损失函数进行极小化。感知机具有简单易于实现的特点。
Siven_L·2020-07-28 21:05

机器学习算法知识点整理

1生成模型generativemodel和判别模型discriminativemodel已知输入变量x，生成模型通过对观测值和标注数据计算联合概率分布P(x,y)来达到判定估算y的目的。
啊哦落落野花·2020-07-28 15:48

统计概率模型-高斯判别分析

统计概率模型1、高斯判别分析2、朴素贝叶斯3、隐马尔可夫模型4、最大熵马尔科夫模型5，条件随机场6，马尔科夫决策过程一、高斯判别分析一、生成模型机器学习模型有一种分类方式：判别模型和生成模型。
myazi·2020-07-28 13:08

高斯判别分析(GDA)和朴素贝叶斯(NB)

本文先介绍生成模型(generativemodel)和判别模型(discriminativemodel)的区别，然后重点介绍生成模型中的两个例子：高斯判别分析(Gaussiandiscriminantanalysis
rushshi·2020-07-28 12:16

人工智能之GAN算法

对于判别模型，损失函数是容易定义的，因为输出的目标相对简单。但对于生成模型，损失函数却是不容易定义的。
云淡风清的Coding·2020-07-28 07:30

生成学习算法（Generative Learning Algorithms）

今天我们来聊一聊生成学习算法，内容主要包括生成模型和判别模型的比较，以及生成学习算法的一个例子——高斯判别分析（GaussianDiscriminantAnalysis,GDA）。
isMarvellous·2020-07-28 00:56

朴素贝叶斯概述

而LR是判别模型，根据极大化对数似然函数直接求出
yousa_·2020-07-27 16:14

生成模式和判别模式

生成模型：由数据学习联合概率分布，求出条件概率分布作为预测模型朴素贝叶斯法判别模式：由数据直接学习决策函数或者条件概率分布作为预测模型典型的判别模型:k近邻算法，感知机，决策树，逻辑回归，最大墒模型，支持向量机
云之彼端09·2020-07-27 16:08

太赞了！机器学习基础核心算法：贝叶斯分类！(附西瓜书案例及代码实现)

Datawhale作者：尹晓丹，Datawhale优秀学习者寄语：首先，简单介绍了生成模型和判别模型，对条件概率、先验概率和后验概率进行了总结；其次，对朴素贝叶斯的原理及公式推导做了详细解读；再次，对三种可能遇到的问题进行了解析
Datawhale·2020-07-27 15:18

朴素贝叶斯（Naive Bayes）原理+编程实现拉普拉斯修正的朴素贝叶斯分类器

贝叶斯方法与朴素贝叶斯1.生成模型与判别模型2.贝叶斯2.1贝叶斯公式2.2贝叶斯方法3朴素贝叶斯3.1条件独立性假设3.2朴素贝叶斯Naive在何处？
Cyril_KI·2020-07-27 10:17

第一次作业：深度学习基础

机器学习应用包括三个领域：计算机视觉，语音技术，自然语言处理；【4】机器学习需要先建模型，选择策略，最优化算法；其中模型分类有三大类，数据标记包括监督学习类型和无监督学习类型数据分布包括参数模型和非参数模型建模对象包括判别模型和生成模型
BeKind!·2020-07-25 21:00

第一次作业：深度学习基础

数据标记（监督学习、无监督学习、半监督学习、强化学习）数据分布（参数模型，非参数模型）建模对象（判别模型、生成模型）策略：从假设空间中学习、选择最优模型的准则（确定目标函数）算法：根据目标函数求解最优模型的具体计算方法
木槿花篱·2020-07-25 13:00

10种主要的统计学习方法总结

《统计学习方法》笔记1.感知机适用问题：二分类问题模型特点：分离超平面模型类型：判别模型学习策略：极小化误分类点到超平面距离学习的损失函数：误分类点到超平面距离学习算法：随机梯度下降法2.k近邻适用问题
elma_tww·2020-07-15 22:11

李航（统计学习方法第一章）

第一章统计学习方法概论内容概要：内容概括：简要叙述统计学习方法的基本概念主要内容：监督学习统计学习方法三要素模型策略算法正则化交叉验证学习的泛化能力生成模型与判别模型监督学习方法的应用分类问题标注问题回归问题
公琉星追·2020-07-15 10:08

目录-统计学习方法

1.4模型评估与模型选择1.4.1训练误差与测试误差1.4.2过拟合与模型选择1.5正则化与交叉验证1.5.1正则化1.5.2交叉验证1.6泛化能力1.6.1泛化能力1.6.2泛化误差上界1.7生成模型与判别模型
小登徒子·2020-07-14 18:08

感知机（Perceptron）

Perceptron的鸢尾花分类实践感知机（perceptron）是二类分类的线性分类模型输入：实例的特征向量输出：实例的类别，取+1和-1二值感知机对应于输入空间（特征空间）中将实例划分为正负两类的分离超平面，属于判别模型旨在求出将训练数据进行线性划分的分离超平面
Michael阿明·2020-07-14 17:05

k-NN 简单总结

判别模型3、**K近邻法的三个基本要素：**k值的选择，距离度量，分类决策规则。4、基本思想：给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最近邻的k个实例，这k个实例
freshingwater·2020-07-14 16:44

第一章 统计学习方法概论笔记

策略损失函数与风险函数常用损失函数ERM与SRM算法模型评估与模型选择过拟合与模型选择正则化与交叉验证正则化交叉验证泛化能力生成模型与判别模型生成方法生成模型判别方法分类问题、标注问题、回归问题参考前言章节目录统
solejay·2020-07-14 15:09

〖TensorFlow2.0笔记24〗生成式对抗网络(GAN)原理讲解以及实战！

文章目录一.判别式模型和生成式模型二.生成式对抗网络(GAN)原理讲解2.1.生成对抗网络-现实世界的启发2.2.生成对抗网络的原理2.3.生成对抗网络的训练2.3.1.生成对抗网络的目标函数2.3.2.判别模型的目标函数
decinzhang·2020-07-14 07:46

机器学习基础知识

performancemeasure）基本概念P-R曲线ROC与AUC数学术语点积、内积可列可加性、有限可加性基本知识监督学习、非监督学习、半监督学习、强化学习：分类与回归是监督学习的代表；聚类是非监督学习的代表；生成模型、判别模型分类
诸葛蜗牛·2020-07-14 01:56

生成式对抗网络（GAN）

是深度学习模型之一，2014年lanGoodfellow的开篇之作GenerativeAdversarialNetwork，GAN概述GAN包括两个模型，一个是生成模型（generativemodel），一个是判别模型
凌逆战·2020-07-13 10:51

SSN：Temporal Action Detection with Structured Segment Networks

在金字塔的顶端，引入一个判别模型，包括两个分类器：动作分类和
FAIRY___TAIL·2020-07-13 09:36

第一章 统计学习方法概论

1.统计学习的定义、研究对象和方法2.监督学习3.统计学习方法三要素：模型、策略和算法4.模型选择：正则化、交叉验证和学习的泛化能力5.生成模型与判别模型6.监督学习方法的应用：分类问题、标注问题与回归问题
骑鲸公子_·2020-07-13 05:55

【深度学习】生成式对抗网络原理与GAN/WGAN/WGAN-GP初步

GAN创新性地将机器学习中的生成模型与判别模型结合了起来，其目的从数学的角度来讲是训练得到的生成器能够通过输入随机的噪声生成符合指定分布的数据，例如图像数据，
Swocky·2020-07-13 01:33

朴素贝叶斯与逻辑回归的区别

LogisticRegression是一个判别模型，它通过在训练数据集上最大化判别函数P(y|x)学习得到，不需要知道P(x|y)和P(y)。
xiaocong1990·2020-07-12 16:58

PRML第四章笔记

主要内容有四点:1)判别函数模型：Fisher准则的分类,以及它和最小二乘分类的关系(Fisher分类是最小二乘分类的特例)2)概率生成模型的分类模型3)概率判别模型的分类
yealxxy·2020-07-12 04:48

浅谈deep stacking network --- 一种比较实用的deep learning算法

原地址：http://www.dataguru.cn/article-3361-1.html摘要:deepstackingnetwork是LiDeng提出的一种判别模型。
孤独de雨·2020-07-12 00:54

机器学习篇——对数线性模型

建议首先看cs229讲的广义线性模型、exponentialfamily（指数分布族）对数线性模型包括逻辑回归、最大熵模型和条件随机场等1、模型条件概率分布（对数线性模型、概率模型）、判别模型逻辑回归：
上海滩菜鸟·2020-07-11 22:15

监督学习分类

监督学习分为几大类：判别模型VS生成模型，概率模型VS非概率模型，参数模型VS非参数模型；经典机器学习模型：线性回归模型，逻辑回归模型，SVM,LDA,聚类，决策树，CRF,MarkovChain,NB1
一光年的梦·2020-07-11 16:29

统计学习第11章 习题

习题11.1习题11.2理解前后向算法，而且我前面的隐马尔可夫里的前后向算法结果是相同的习题11.3理解如何从特征*权重对应x,y的概率，可以与前面的判别模型对比#-*-coding:utf8-*-""
nkenen·2020-07-11 16:34

感知机原理及实现

感知机的原理感知机是二分类的线性模型，其输入是实例的特征向量，输出的是事例的类别，分别是+1和-1，属于判别模型。
Arish·2020-07-11 12:00

《统计学习方法——第2章》

感知机将输入空间中的实例划分为两类的分离超平面，属于判别模型。学习一个统计学习方法都从第1章所说的三个要素出发：模型、策略、算法；一、感知机模型1、定义：什么是感知机？
不励志读博的程序员不是好厨师·2020-07-11 09:43

《统计学习方法》——第二章 感知机

是一种判别模型。有输入空间到输出空间的函数为：，w和b为感知机模型参数，w为权值/权值向量，b为偏置。（感
Lyons_boy·2020-07-11 07:44

MEMMs(Log-Linear Tagging Models)

只不过MEMMs是一个判别模型，它学习的是一个条件分布！条件标注模型有三个
潜心修行的研究者·2020-07-11 07:00

深度学习：生成式对抗网络，让机器在博弈中实现“自我成长”

点击阅读原文深度神经网络在判别模型领域的进步远比在生成模型领域进步快得多，其主要原因就在于相对于生成式模型来说，判别模型目标清晰、逻辑相对简单，实现起来容易。
xuyz24757·2020-07-10 20:51

跨领域迁移的连贯性模型（ACL 2019）

采用的是一个局部判别模型，可以使用更少的负样本来训练识别不正确的句子顺序。实验证明他们采用的方法既简单又能够在WSJ上显著的超过当前最好的方法，在开放域上更是取得了很好的效果。
刘炫320·2020-07-10 17:17

PRML读书会第四章 Linear Models for Classification(贝叶斯marginalization、Fisher线性判别、感知机、概率生成和判别模型、逻辑回归)

现在我们就开始讲第四章，第四章的内容是关于线性分类模型，主要内容有四点:1)Fisher准则的分类,以及它和最小二乘分类的关系(Fisher分类是最小二乘分类的特例)2)概率生成模型的分类模型3)概率判别模型的分类模型
Nietzsche2015·2020-07-10 16:06
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他