判别模型

生成对抗网络

1.前言机器学习可以分为两类模型，一种是判别模型（discriminationmodel），给定一个输入，模型通过判别输入的类别。
g8015108·2020-06-23 09:58

生成对抗网络学习（GAN）学习笔记

GAN有两个互相对抗的模型，一个生成模型G用于拟合样本数据分布和一个判别模型D用于估计输入样本是来自于真实的训练数据还
一亩高粱·2020-06-23 00:39

卷积神经网络的激活函数

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。但是感知机却不能分来异或这种简单的布尔运算。后来是加入了激活函数才将感知机给拯救了回来，也才有了现在的各种神经网络。
透明的红萝卜221·2020-06-22 11:49

Logistic回归--实例

其实，Logistic本质上是一个基于条件概率的判别模型(DiscriminativeModel)。
北顾丶·2020-06-21 20:36

Pytorch实现CNN时间序列预测

有兴趣的可以将其改写为判别模型。此处将使用卷积神经网络（CNN）用于时间序列预测。区别于图像处理（二维卷积如图所示）模型如下：C1表示卷积操作1S2表示max-pool
zchenack·2020-06-21 08:35

机器学习笔记04(Logistic Regression)

LogisticRegression思路：1、逻辑回归vs线性回归（LogisticsRegressionVSLinearRegression）2、生成模型vs判别模型（GenerativeModelVSDiscriminativeModel
Haozi_D17·2020-06-19 15:00

机器学习笔记03(Classification: Probabilistic Generative Model)

建立概率生成模型的步骤（以朴素贝叶斯分类器为例）step1：求先验概率step2：确定数据属于哪一个分布，用最大似然估计出分布函数的参数step3：求出后验概率3、生成模型解决分类问题的总结以及逻辑回归方法（判别模型
Haozi_D17·2020-06-18 20:00

04_朴素贝叶斯算法

看了很多资料讲朴素贝叶斯是生成模型，那就有必要和判别模型做一下对比，通常说
十八线码农ing·2020-05-30 13:00

机器学习第四章复习

4.4串行感知机算法4.5Fisher线性判据4.6支持向量机基本概念第四章4.1线性判据基本概念生成模型优势：可以根据p(x)采样新的样本数据可以检测出较低概率的数据，实现离群点检测劣势：纬度灾难问题判别模型优势
生于戊寅之年癸亥之月·2020-05-06 22:00

机器学习基础概念和度量指标

生成模型与判别模型生成模型：通过联合分布求出条件概率分布的模型。NB+HMM.判别模型：直接学习决策函数或条件概率，学习的准确率更高。kNN+决策树。模型评估方法数据集的作用训练集：训练模型。
justisme·2020-05-06 15:00

机器学习算法Task2朴素贝叶斯

生成模型和判别模型以西瓜数据集为例生成模型：在概率统计理论中,生成模型是指能够随机生成观测数据的模型，尤其是在给定某些隐含参数的条件下。它给观测值和标注数据序列指定一个联合概率分布。
IceSkyLake·2020-04-23 23:39

DataWhale——机器学习：朴素贝叶斯

知识点梳理相关概念（生成模型、判别模型)先验概率、条件概率贝叶斯决策理论贝叶斯定理公式极值问题情况下的每个类的分类概率下溢问题如何解决零概率问题如何解决？
Katniss的名字被占用·2020-04-23 16:10

[datawhale] Task2 bayes_plus

目录1.相关概念（生成模型、判别模型)2.先验概率、条件概率3.贝叶斯决策理论4.贝叶斯定理公式5.极值问题情况下的每个类的分类概率6.下溢问题如何解决7.零概率问题如何解决？
南极姑娘qyz·2020-04-22 18:11

5分钟带你生成模型和判别模型

什么是判别模型/DiscriminativeModels咱们先不整那些难懂的数学公式，举两个例子例子一假设某手机有三个特征，我们的任务是预测某消费者是会购买还是不会购买该手机。
盲狙小堡垒·2020-04-12 23:59

GAN网络的通俗理解

本文浅显理解通俗的GAN模型核心思想GAN的核心思想在于博弈，GAN有两部分模型构成，一个是生成模型（G），一个是判别模型（D）。生成模型用于生成一个逼真的样本，判别模型用于判断模型的输入是真是假。
lishuoshi1996·2020-04-09 19:57

告别半途而废的学英语（1）持续动力的源泉

李老师的对一件事情刚需与否的判别模型如下：如果我没
百灵商学·2020-04-09 04:37

BAT机器学习面试1000题系列（第11~20题）

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。
Hebborn_hb·2020-03-26 23:06

logistic 回归（内附推导）

主要思考几个问题：1、logistic回归的应用场景Logistic回归是一种用于解决二分类问题的机器学习方法，是一种判别模型：表现为直接对条件概率P(y|x)建模，而不关心背后的数据分布P(x,y)用于估计某种事物的可能性
快乐的小飞熊·2020-03-18 16:13

问题

监督学习的分类：判别模型与生成模型，概率模型与非概率模型、参数模型与非参数模型https://zhuanlan.zhihu.
maocy·2020-03-12 12:34

学习笔记TF051:生成式对抗网络

生成式对搞网络包含一个生成模型(generativemodel,G)和一个判别模型(discriminativemodel,D)。IanJ.Goodfellow、
利炳根·2020-03-10 17:18

N-gram模型简介

N-gramN-gram模型是一种语言模型（LanguageModel，LM），语言模型是一个基于概率的判别模型，它的输入是一句话（单词的顺序序列），输出是这句话的概率，即这些单词的联合概率（jointprobability
fans king·2020-03-08 21:58

【2018-09-24】高斯判别分析和逻辑回归

判别模型是构造一个函数f(x)去逼近p(y|x)，又称条件概率模型【p(class|context)】，生成模型是通过贝叶斯模型p(y|x)=p(x|y)p(y)/p(x)求解p(x|y)p(y)来间接得到
BigBigFlower·2020-03-07 10:57

感知机算法的理解及代码实现

感知机对于输入空间（特征空间）中将实例划分为正负两类的分类超平面，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超平面。感知机具有简单易于实现的优点，它是神经网络和支持向量机的基础。
mhxin·2020-03-04 19:50

决策树

判别模型屏幕快照2018-02-23下午4.08.21.pngC3决策树算法流程每次选择其中一个特征对样本集进行分类对分类后的子集递归进行步骤1一般来说最理想的是样本都属于同一个分类，但是一般情况下，我们根据选取特征来实现最好分类结果呢
carolwhite·2020-03-03 13:27

判别式模型(discriminative model)和生成模型（generative model）

已知输入变量x，判别模型(discriminativemodel)通过求解条件概率分布P(y|x)或者直接计算y的值来预测y。
致Great·2020-03-01 02:22

朴素贝叶斯VS逻辑回归

LR是判别模型，通过在训练数据集上最大化P(y|x)判断，不需要知道先验概率和条件概率2：朴素贝叶斯基于特征相互独立的假设，而LR则没有此假设，如果数据独立LR可以获得较好的模型，如果数据不满足条件独立假设
Codlife一王家二公子·2020-02-25 12:46

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。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，为此
千与千与·2020-02-25 12:03

【机器学习基础】从感知机模型说起

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。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。分离超平面分类法分离超平面进行分类的过程是构
JasonDing·2020-02-25 06:57

感知机(perception)与其算法实现（R）

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；2.感知机算法输入：训练数据集，其中,,;学习率输出：;感知机模型.选取初值在训练集中选取数据如果转至
sarai_c7eb·2020-02-20 16:11

GAN生成MNIST数据集（pytorch版）

神经网络实现图片超分辨的项目，为了理解GAN神经网络的内涵和更熟悉的掌握pytorch框架的用法，写了这个小demo熟悉手感思想GAN的思想是是一种二人零和博弈思想，网上比较流行的一种比喻就是生成模型（G）是印假钞的人，而判别模型
Vo Racci·2020-02-18 16:31

无标题文章

.统计学习三要素1.模型2.策略3.算法4.模型评估与模型选择1.训练误差与测试误差2.过拟合与模型选择5.正则化与交叉验证1.正则化2.交叉验证6.泛化能力1.泛化误差2.泛化误差上界7.生成模型与判别模型
貘旅人·2020-02-16 11:58

GAN:Generative Adversarial Nets论文阅读

]tensorflow2代码：https://github.com/zhangkaihua88/ML_Paper1.1.摘要通过对抗过程估计生成模型的框架，同时训练两个模型：生成模型G用来获取数据分布判别模型
山雾幻华·2020-02-12 23:31

什么是条件随机场 CRF: Conditional Random Fields

ConditionalRandomFields条件随机场，是一种判别模型，可以用于预测序列数据，通过使用过去的上下文信息，使模型达到更好的预测效果。
不会停的蜗牛·2020-02-10 10:18

2019-07-01

第一节作业机器学习题目：说明最大似然派&贝叶斯派、判别模型&生成模型、浅层学习&深层学习、显变量学习&隐变量学习的不同。
快乐的大脚aaa·2020-02-01 02:21

Conditional Adversarial Nets 详解

简介本文提出在利用GAN（对抗网络）的方法时，在生成模型G和判别模型D中都加入条件信息来引导模型的训练，并将这种方法应用于跨模态问题，例如图像自动标注等。
zeekling·2020-02-01 01:58

机器学习--感知机

1感知机是二分类的线性模型，输入空间是实例的特征向量，输出是实例的类别（+1，-1），属于判别模型。
是我菜了·2020-01-09 17:00

第一章：统计学习及监督学习概论

目录统计学习基本分类按模型分类按算法分类按技巧分类三要素模型策略算法生成模型和判别模型生成方法判别方法应用习题统计学习对象:data目的:预测和分析方法监督，无监督，强化学习基本分类监督学习从标注数据中学习预测模型建设
木子士心王大可·2020-01-05 00:00

回顾-生成 vs 判别模型-和图

直觉认识生成模型,通过训练的模型,可以求出p(x|y),即生成模型的本质是通过旧样本->模型->新样本,通过某种概率分布,能自己生成样本,这很厉害的.判别模型,就咱平时用得最多的,只能用来判断,不能生成新样本
小陈同学的数据之路·2020-01-04 15:00

用生动的例子带你理解生成对抗网络

GenerativeAdversarialNets生成对抗网络是一个需要生成模型和判别模型共同参与的一个复合模型。好，下面进入正文，同样不整复杂的数学公式。
盲狙小堡垒·2020-01-03 20:13

《统计学习方法》的Python实现：（1）感知机

线性二分类问题输入输出模型类型参数意义特征向量类别（）判别模型超平面参数感知机的损失函
KingLeo·2019-12-31 23:59

机器学习技巧笔记

（朴素贝叶斯）生成模型可以还原联合概率分布p(X,Y)，并且有较快的学习收敛速度，还可以用于隐变量的学习判别模型：由数
黄中一·2019-12-28 10:06

《统计学习方法》第 4 章“朴素贝叶斯法”学习笔记

朴素贝叶斯模型的图模型表示生成模型与判别模型朴素贝叶斯方法实际上学习到的是生成数据的机制。
李威威·2019-12-26 03:50

感知机模型

感知机对应于输入空间中将实例划分成正负两类的超平面，属于判别模型。
圈圈_Master·2019-12-23 12:09

【面试】面试常见问题整理

LR和SVM的区别相同点：1、都是监督、分类算法，且一般处理二分类问题2、两个方法都可以增加不同的正则化项，如l1、l2等等3、都是判别模型3、如果不考虑核函数，LR和SVM都是线性分类算法。
PancakeCard·2019-12-22 07:27

机器学习基础（9）- 概率图模型

本文主要用于梳理概率图模型～用于自我温习回顾基础～基本目录如下：基础知识1.1概率图模型的分类1.2生成模型与判别模型的区别1.3朴素贝叶斯与逻辑回归的关系概率图模型2.1贝叶斯网络2.2马尔可夫模型2.3
蘑菇轰炸机·2019-12-21 03:38

【机器学习】逻辑回归

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\cdotx\right)}{1+\exp\left
女贞路4号·2019-12-19 22:00

感知机

感知机对应于输入空间中将实例划分为正负梁磊的分离超平面，属于判别模型。
mmmwhy·2019-12-17 14:18

生成对抗性网络GAN

这个模型可以称作判别模型D，它的输入是数据空间内的任意一张图像x，输出是一个概率值，表示这张图像属于真实数据的概率。
清淡不插电·2019-12-06 21:00

Beyond Sharing Weights for Deep Domain Adaptation（2016）

所以，按照常理，我们可以在源域上通过一般的机器学习方法来训练得到判别模型。但是由于源域和目标域上的datasetbias，这个判别模型不
满堂风来·2019-12-02 10:24

机器学习回顾篇（10）：感知机模型

1引言¶感知机是一种简单且易于实现的二分类判别模型，主要思想是通过误分类驱动的损失函数结合梯度下降发求解一个超平面将线性可分的数据集划分为两个不同的类别（+1类和-1类）。
奥辰·2019-11-26 07:00
上一页 10 11 12 13 14 15 16 17 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他