样本空间

《机器学习》第六章——支持向量机

1.间隔与支持向量分类学习最基本的想法就是基于训练集在样本空间中找到一个划分超平面，将不同类别的样本分开。
Lazyinit·2019-05-23 18:46

【机器学习】线性回归模型

一、线性回归模型概述线性回归模型：简单的来说就是在样本空间中的一条直线或者一个平面或者更高维的超平面，并且我们要使得预测值与真实值之间的误差最小化。
大白菜—NLP·2019-05-22 11:02

机器学习西瓜书（周志华）第一章 绪论

（2）属性张成的空间称为属性空间、样本空间、输入空间。（3）空间中的每个点对应一个坐标坐标向量，这个示例一般被称为特征向量。（4）y是所有标记的集合，被称为标记空间或者输出空间。（5）
视界IT·2019-05-16 00:00

划分训练、测试集和数据观察

在给定的样本空间中，拿出大部分样本作为训练集来训练模型，剩余的小部分样本使用刚建立的模型进行预测。训练集与测试集train_test_split函数利用伪随机数生成器将数据集打乱。
陨星落云·2019-05-08 08:49

周志华 西瓜书 《机器学习》课后习题 ------ 第一章 绪论

details/894396401.1表1.1中若只包含编号为1，4的两个样例，试给出相应的版本空间先把样表给写出来，只取1和4两条数据编号色泽根蒂敲声好瓜1青绿蜷缩浊响是2乌黑稍蜷沉闷否这里要理解三个概念：样本空间
小啊小木头·2019-04-21 00:00

周志华 西瓜书 《机器学习》课后习题 ------ 第一章 绪论

details/894396401.1表1.1中若只包含编号为1，4的两个样例，试给出相应的版本空间先把样表给写出来，只取1和4两条数据编号色泽根蒂敲声好瓜1青绿蜷缩浊响是2乌黑稍蜷沉闷否这里要理解三个概念：样本空间
小啊小木头·2019-04-21 00:00

Python遇见机器学习 ---- 支持向量机SVM

本文采用编译器：jupyter给定训练样本集D，分类学习最基本的想法就是基于训练集D的样本空间中找到一个划分超平面，将不同类别的样本分开。但能将训练样本分开但划分超平面可能有很多，如图。
HNU_NJU_wjw·2019-03-28 19:38

机器学习基本术语

属性、特征：反应事件或者对象在某方面的的表现或者性质的事项称为属性或者特征属性值：属性的取值称为属性值属性空间、样本空间、输入空间：属作为坐标轴张成的空间称为属性空间特征向量：每一个样本在属性空间中可以找到坐标位置
cyz_2014·2019-03-27 23:10

机器学习面试必知：贝叶斯原理

样本X是随机的，重点研究的是样本空间，大部分的计算也是针对样本X的分布～贝叶斯派截然相反，认为θ\thetaθ是随机变量，样本X是固定的。
Neekity·2019-03-26 15:16

朴素贝叶斯分类算法公式推导

1、贝叶斯公式理解我们上高中学概率就有接触贝叶斯公式：其中P(A)为样本空间中事件A的概率，P(B)为样本空间中事件B的概率，P(A|B)为事件B发生的条件下事件A发生的概率，P(B|A)为事件A发生的条件下事件
Sandy_WYM_·2019-03-24 01:39

MLb-001 42《机器学习》周志华 第一章：绪论

第一章绪论此系列文章旨在提炼周志华《机器学习》的核心要点，不断完善中…1.1引言机器学习研究：通过计算手段，利用经验来改善自身的性能模型：在本书中泛指从数据中学得的结果1.2基本术语含义符号X\mathcal{X}X样本空间
ZIYUE WU·2019-03-20 00:00

MLb-006 47《机器学习》周志华 第六章：支持向量机

6.1间隔与支持向量超平面(w,b)存在多个划分超平面将两类样本分开的情况线性方程：wTx+b=0w^Tx+b=0wTx+b=0www：法向量，决定超平面方向bbb：位移项，决定超平面与原点之间的距离样本空间中任意点到超平面的距离
ZIYUE WU·2019-03-20 00:00

数学建模学习笔记(四)--贝叶斯公式

一、条件概率定义假设A和B是样本空间中的两个集合，我们可以很清楚的明白P(A)和P(B)分别代表集合A与集合B的概率，以及是两个集合交集的概率，即两个事件同时发生的概率。
LawGeorge·2019-03-17 17:19

概率论（二）

定义设随机试验的样本空间为S={e}，X=X(e)是在样本空间S上的实值单值函数。称X=X(e)为随机变量。也就是说，随机变量将样本空间中的每个样本点映射为一个实数。
ajaccio8899·2019-02-11 09:30

卡尔曼滤波

首先补充统计里面的知识点：1.协方差统计里最基本的概念均值，标准差，方差，均值就是样本的平均，而标准差就是样本中的每个数据到均值的距离，方差就是标准差的平方：例如有两个样本空间：{1，5，9}和{4，5
两个鼻孔的猪·2019-02-07 19:38

统计2：随机变量及其分布

在一些随机试验中，结果可以用数值来表示，此时样本空间S的元素是数字；但是，有些试验，当样本空间S的元素不是数字时，就需要引入随机变量的概念了。
悦光阴·2019-01-18 09:00

统计2：随机变量及其分布

在一些随机试验中，结果可以用数值来表示，此时样本空间S的元素是数字；但是，有些试验，当样本空间S的元素不是数字时，就需要引入随机变量的概念了。
悦光阴·2019-01-18 09:00

周志华《机器学习》（西瓜书）学习笔记——第一章 绪论

（比如西瓜“青绿”等）属性空间/样本空间/输入空间：属性张成的空间。
张治杰·2019-01-18 00:00

机器学习基础 基本术语

sample：关于一个事件或对象的描述属性attribute/特征feature：反映事件或对象在某方面的表现或性质的事项属性值attributevalue：属性上的取值属性空间attributespace/样本空间
咸鱼Chen·2019-01-13 10:00

07 特征工程 - 特征降维 - PCA

常见的降维方法除了基于L1的惩罚模型外，还有主成分析法(PCA)和线性判别分析法(LDA)，这两种方法的本质都是将原始数据映射到维度更低的样本空间中；但是采用的方式不同，PCA是为了让映射后的样
白尔摩斯·2019-01-04 11:10

聚类学习（2）——k均值算法

（原型指样本空间中具有代表性的点）通常，算法对原型进行初始化，然后对原型进行迭代更新求解。不同的原型表示，不同的求解方式，产生不同算法。
一只叫不二的龙猫·2018-12-29 10:16

【机器学习】欠拟合，过拟合的常见处理方法

over-fitting）欠拟合（under-fitting）如何判断过拟合和欠拟合贝叶斯误差数据不匹配问题正则化拟合的三种情况过拟合（over-fitting）  在算法对模型参数的学习过程中，如果模型过于强大，比如说，样本空间分布在一条直线的附近
Mankind_萌凯·2018-12-22 12:36

小白机器学习之SVM最详细推导过程

支持向量机是一种二分类模型，基本想法就是基于训练集和样本空间中找到一个最好的划分超平面，将两类样本分割开来，首先你就要知道什么样的划分发才能称为“最”好划分。
汪汪888888·2018-12-18 17:34

概率统计

C.1概率随机实验是测量其结果不确定的过程的实验；随机实验的所有可能结果的集合称为样本空间；事件对应于这些结果的一个子集。
DMU_lzq1996·2018-12-12 15:14

机器学习笔记（五）：支持向量机（SVM）

目录什么是支持向量机硬间隔线性支持向量机软间隔线性支持向量机非线性支持向量机一、什么是支持向量机支持向量机（SupportVectorMachine，简称SVM）是一种用来解决二分类问题的机器学习算法，它通过在样本空间中找到一个划分超平面
塘朗老实人·2018-11-29 14:21

自然语言处理(二)概率论信息论基础

概率在同一条件下做的大量重复试验中，若事件A发生的频率总是在一个确定的常数p附近摆动，并且逐渐稳定于p，那么数p就表示事件A发生的可能性大小，并成为事件A的概率.概率的公理化定义设E是随机试验，Ω是E的样本空间
JN_rainbow·2018-11-27 22:20

【机器学习】一文搞懂K近邻算法(KNN)，附带多个实现案例

理论/原理：“物以类聚，人以群分”相同/近似样本在样本空间中是比较接近的，所以可以使用和当前样本比较近的其他样本的目标属性值作为当前样本的预测值。
Daycym·2018-11-24 20:36

机器学习（周志华）-支持向量机课后习题:

 1.试证明样本空间中任意点x到超平面(w,b)(w,b)的距离为式(6.2)。超平面(w,b)(w,b)的平面法向量为ww，任取平面上一点x0x0，有wTx0+b=0wTx0+b=0。
momo026·2018-11-24 00:00

Logistic回归算法

Logistic回归算法同样是需要通过样本空间学习的监督学习算法，并且适用于数值型和标称型数据，例如，我们需要根据输入数据的特征值（数值型）的大小来判断数据是某种分类或者不是某种分类。一、样本数据在我
AI点滴积累·2018-11-19 12:49

SVM原理推导

先看一张图片分类学习的最基本的思想就是基于训练集D在样本空间中找到一个划分超平面，将不同类别的样本分开.但能将训练样本分开的超平面可能有很多，如上图，最好是红色的那个，因为该划分超平面
搬砖的Fish·2018-11-18 23:12

SVM原理推导

先看一张图片分类学习的最基本的思想就是基于训练集D在样本空间中找到一个划分超平面，将不同类别的样本分开.但能将训练样本分开的超平面可能有很多，如上图，最好是红色的那个，因为该划分超平面
搬砖的Fish·2018-11-18 23:12

概率论

样本空间：基本事件的全体构成的集合。概率：1.非负性：；2.规范性：；3.可列可加性：加法公式:减法公式:条件概率与乘法公式：“概率=条件概率乘以条件的概率。”全概率公式：把全集划分为
zeiii·2018-11-14 18:06

Flow Field的详解

流场包含一个三维样本空间，在每个点返回一个向量，表示对感兴趣对象的吸引力或远离要避免的对象的排斥。流场的两个组成部分：围绕静态对象构建的静态数据集静态字段是时不变的：对于任何给定的输
铿锵的玫瑰·2018-11-07 22:53

【机器学习】支持向量机（SVM）算法学习笔记

一、训练样本线性可分假设有训练集D={(x1,y1),(x2,y2),...,(xm,ym)}，yi{-1,1}，分类学习最基本的想法就是基于训练集D在样本空间中找到一个划分超平面，将不同类别的样本分开
heiheiya·2018-10-25 00:00

概率论名词介绍

基本事件:至少会发生一个，且不可再分的事件抛一枚硬币的基本事件:正面向上和反面向上复合事件:由几个基本事件组合成的事件抛一枚骰子，朝上的数字小于3的事件抛一枚骰子，朝上的数字是偶数样本空间:随机事件的所有基本事件的结果组成的集合
matrices·2018-10-22 19:41

概率论基础知识整理（二）

随机变量设随机试验的样本空间为S={e}，X=X(e)是定义在S上的实值单值函数，则X=X(e)为随机变量设随机试验的样本空间为S={e}，X=X(e)和Y=Y(e)是定义在S上的随机变量，则由它们构成的一个向量
JaneandDaria·2018-10-10 18:56

西瓜书读书笔记：第一章 绪论

主要符号表样本空间：以样本的属性为坐标轴张成的多维空间，也叫属性空间、输入空间概率分布：表示随机变量取值的概率规律，随机试验的概率分布即随机变量的概率分布假设空间：由输入空间到输出空间的映射的集合，即模型的集合版本空间
GGScum·2018-10-08 00:00

西瓜书《机器学习》学习笔记 一 绪论

教材链接：https://pan.baidu.com/s/1uNulv7Os0vzqjXc-c5mx5w密码：6pzb第一章绪论1、样本空间百度百科定义：随机事件E的所有基本结果组成的集合为E的样本空间
无语ccy·2018-10-07 14:11

理解贝叶斯定理

样本空间回顾一下，样本空间是一个实验或随机试验所有可能结果的集合。例如，抛掷一枚硬币，那么样本空间就是集合{正面，反面}。如果投
城市中迷途小书童·2018-10-04 19:13

【数据异常】异常检测方法

1.在线流数据异常检测（iforest隔离森林算法）该方法的主要思想是，通过随机选定样本属性及其值将样本空间进行随机划分，分割的过程可以看成类似于随机森林中树建立的过程，对于新的样本，基于建立的隔离树求其分割深度
ChenVast·2018-09-27 14:04

【数据异常】异常检测方法

1.在线流数据异常检测（iforest隔离森林算法）该方法的主要思想是，通过随机选定样本属性及其值将样本空间进行随机划分，分割的过程可以看成类似于随机森林中树建立的过程，对于新的样本，基于建立的隔离树求其分割深度
ChenVast·2018-09-27 14:04

理解贝叶斯定理

样本空间回顾一下，样本空间是一个实验或随机试验所有可能结果的集合。例如，抛掷一枚硬币，那么样本空间就是集合{正面，反面}。如果投
X猪·2018-09-26 23:24

“绿茄指数”编纂指南

二、样本空间绿茄指数样本空间由同时满足以下条件的数字货币组成：在coinmarketcap.com上排名前500上全球排名前十的至少一个交易所，且上交易所时间超过一个月三、选样方法绿茄指数样本是按照以下方法选
童蒙_·2018-09-26 12:38

理解贝叶斯定理

1.样本空间回顾一下，样本空间是一个实验
x_iunknown·2018-09-26 00:00

概率与期望

讲的概率与期望部分，下午又补讲了一点数论，因为明天是毒瘤题，要用逆元，哈哈哈，有意思，然后讲课的时候，D班的五位dalao也来听了，哈哈哈，下面才是正经内容基本概念随机变量，离散型随机变量，离散型概率，样本空间
我还没老还能浪·2018-09-25 21:00

概率论Probability①

当前两大学派：贝叶斯学派频率学派两者区别在于对参数的看法（待补充）DeMorgan’slaws:样本空间（samplespace）：基本概念试验产生的所有结果形成样本空间Ω样本空间的试验结果可能是有限，
除了鸽什么也不会·2018-09-23 23:15

西瓜书学习笔记 01-绪论

1.2基础术语：数据集：dataset示例：instance/sample属性/特征：attribute/feature属性值：attributevalue属性空间：attributespace样本空间
dubian·2018-09-20 00:58

机器学习笔记-1

（模型泛指数据中学得的结果）2.样本空间：属性张成的空间，又称属性空间。它可以是多维的，每一个维度代表了一个特征；空间中的每一个点对应一个坐标向量，可以称为一个特征向量。
Frankiehp·2018-09-19 01:54

常见聚类算法总结

常见聚类算法总结1.常见算法1.原型聚类“原型”是指样本空间中具有代表性的店。此类算法假设聚类结构能够通过一组原型刻画，通常情形下，算法先对原型进行初始化，然后对原型进行迭代更新求解。
raining7989·2018-09-07 17:55

《机器学习》读书笔记--第1章 绪论

假设用P评估计算机程序在某任务类T上的性能，程序利用经验E，在T上改善了P1.2基本术语数据集：记录的集合属性/特征：事件或对象在某方面的表现或性质的事项属性值：属性的取值属性空间/样本空间/输入空间：
a776995799·2018-09-05 00:00
上一页 14 15 16 17 18 19 20 21 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他