统计学习方法公式推导

非线性优化整理-3.Levenberg-Marquardt法(LM法)

一种是看作介于高斯牛顿和梯度下降法之间的一种算法，另一种是作为一种信赖域的算法来看，而两种视角下虽然最后结论比较相似，但公式推导的思路差别会比较大。
boksic·2022-12-23 15:25

再学西瓜书----chapter6 支持向量机SVM

比较好的推文可以参考这篇，讲的比西瓜书详细关于svm的推导不准备赘述了，这里只注重结论，超平面wTx+b=0对于线性可分的情况，超平面其实是我们需要求的东西支持向量就是离超平面最近的向量，可以是一个可以是多个根据相关公式推导
jimzhou82·2022-12-23 13:01

【学习资源汇总】

目标检测—评价指标-深度机器学习真正例、假正例、真负例、假负例、精确度、召回率快速理解关于机器学习中的似然函数的理解梯度下降算法原理讲解——机器学习线性回归–公式推导逻辑回归三部曲——逻辑回归和sigmod
XTX_AI·2022-12-23 13:59

SVM(6)——序列最小最优化算法(SMO)代码

一、代码根据李航统计学习方法第一版的公式进行编写，与sklearn的svm进行对比importnumpyasnpfromsklearnimportdatasetsfromsklearn.model_selectionimporttrain_test
嘻哈过路人·2022-12-23 13:12

人工智能算法（1）感知机原理及代码实现（C#）

统计学习方法|感知机原理剖析及实现对感知机的讲解很直观。例如有一堆零件，每个零件有重量、长度等。
长安山南君·2022-12-23 10:50

《西瓜书》学习笔记-目录

《机器学习》，即西瓜书是机器学习的入门书籍，也是比较完整的书，此笔记是通读西瓜书后，对于重要知识点进行总结和完善，对于一些公式进行了完整的推导后的学习笔记，同时也参考了李航老师的《统计学习方法》，还有很多其他老师的博客共同所得
ruoqi23·2022-12-23 10:00

变分自编码器VAE ——公式推导(含实现代码)

目录一、什么是变分自编码器二、VAE的公式推导三、重参数化技巧一、什么是变分自编码器  在讲述VAE(variationalauto-encoder)之前，有必要先看一下AE(auto-encoder)
longwilll·2022-12-23 06:08

2022.12.18 学习周报

DeepRecurrentNeuralNetworks5.1DeepTransitionRNN5.2DeepOutput5.3StackedRNN6.实验6.1训练6.2结果与分析7.讨论深度学习GRU公式推导
MoxiMoses·2022-12-23 05:27

山东大学机器学习课程资源索引

实验完整实验代码获取githubrepo【ML实验5】SVM（手写数字识别、核方法）一个PCA加速技巧作业高斯判别分析（GDA）公式推导ProblemSet3学习笔记课堂问题：一个凸函数的性质SVM（支持向量机
u小鬼·2022-12-23 01:55

深度学习之VGG和ResNet从公式推导到代码实现

一、开启深度学习相关模型公式推导和代码实现模式二、深度学习之VGG和ResNet从公式推导到代码实现点击下面链接查看原文VGG和ResNet如果存在什么问题，欢迎批评指正！谢谢！！
fighting的码农(zg)·2022-12-22 18:37

深度 | 朴素贝叶斯模型算法研究与实例分析

所以很受欢迎，对于朴素贝叶斯的学习，本文首先介绍理论知识即朴素贝叶斯相关概念和公式推导，为了加深理解，采用一个维基百科上面性别分类例子进行形式化描述。
weixin_33674976·2022-12-22 17:22

机器学习 | 最大熵模型

2.3.3最大熵模型的表示2.3.4最大熵模型的学习3最大熵模型的应用场景4模型优缺点4.1优点4.2缺点参考1前言继续梳理李航老师《统计学习方法》的章节内容，今天我们一起来看一看啥叫最大熵模型？
写代码的阿呆·2022-12-22 16:09

泰勒展开学习集锦

泰勒展开学习泰勒公式习题常用的泰勒公式泰勒公式理解欧拉公式推导（e^iπ+1=0）泰勒公式的应用泰勒公式的应用习题泰勒公式求极限泰勒公式求极限习题
tanjunming2020·2022-12-22 15:08

机器学习算法（一）: 基于逻辑回归的分类预测

机器学习算法（一）:基于逻辑回归的分类预测了解逻辑回归的理论线性模型的基本概念公式推导公式变形对数几率回归（逻辑回归）公式导出公式应用掌握逻辑回归的sklearn函数调用使用并将其运用到鸢尾花数据集预测
JACKY_jiong·2022-12-22 13:09

极智AI | 再谈昇腾CANN量化

在上一篇已经介绍了昇腾CANN量化的原理，对于原理或公式推导有兴趣的同学可以去看一看：《谈谈昇腾CANN量化》。这篇咱们继续，来谈谈昇腾CANN量化的命令行操作。
极智视界·2022-12-22 07:18

周志华机器学习：决策树

决策树文章目录决策树参考基本流程划分选择信息增益决策树的生成——ID3，及其问题增益率决策树生成——C4.5，及其问题剪枝处理预剪枝和后剪枝统计学习方法中的剪枝CART算法（统计学习方法80）CART回归树
椰子奶糖·2022-12-21 21:13

视觉SLAM ch9代码总结

BAL数据集common.h创建了一个BALProblem类，来管理读取到的数据，头文件便于查找一些指针rotation.h旋转向量与四元数的相互转换书60页有公式推导q=cos(a/2)+i(x*sin
雨幕丶·2022-12-21 21:11

张正友标定公式推导

原创文章，欢迎转载。转载请注明：转载自祥的博客原文链接：http://blog.csdn.net/humanking7/article/details/44756235上一篇文章讲了摄像机的标定的基础知识视觉测量中的四个坐标系。下面着重来讲一下著名的张正友标定法。=>1.预备知识=>1.1.从像素坐标系(u,v)到世界坐标系(Xw,Yw,Yw)这里直接拿上篇博文的结果，中间省去了其它坐标系直接的关
跳跃的小马·2022-12-21 20:15

非常详细的相机标定原理（四）（张正友相机标定法数学推导求解）

—个单应性矩阵H可以提供上述两个约束条件5.B带入前面两个约束条件后可转化为6.两约束条件最终可以转化为如下形式:7.通过以上的公式推导做铺垫，求相机内参数。
An efforter·2022-12-21 20:12

李航统计学习方法-决策树

决策树决策树（decisiontree）是一种基本的分类与回归方法。本章主要讨论用于分类的决策树。决策树模型呈树形结构，在分类问题中，表示基于特征对实例进行分类的过程。它可以认为是if-then规则的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。其主要优点是模型具有可读性，分类速度快。学习时，利用训练数据，根据损失函数最小化的原则建立决策树模型。预测时，对新的数据，利用决策树模型进行分
JohnBanana·2022-12-21 17:06

(5) 李航《统计学习方法》基于Python实现——决策树

决策树模型决策树是一种基本的分类和回归方法，本文主要讨论用户分类的决策树。决策树模型呈现树桩结构，在分类问题中，它表示基于特征对实例进行分类的过程。它可以认为是if-then的规则的集合也可以认为是定义在特征空间与类空间上的条件概率分布。决策树学习通常包括3个步骤：特征选择，决策树的生成和决策树的修剪。优点：模型具有可读性，解释性较强，分类速度快，准确性高，可以处理连续和种类字段，不需要任何领域知
奥卡姆的剃刀·2022-12-21 17:06

NLP入门｜《统计学习方法》学习（五）｜决策树/剪枝/ID3&C4.5&CART算法

导读马上开启第五章决策树部分内容的学习，预计用时2-3天～声明：以下截图来自书本以及b站课程（up主：简博士）。一、决策树1.介绍分类决策树模型是一种描述对实例进行分类的树形结构。2.组成1）决策树由结点和有向边构成，结点又可以分为内部结点和叶结点。2）其中内部结点表示特征或者属性，而叶结点表示类别。最上端的内部结点也叫做根结点。3.If-Then规则1）决策树是通过一系列规则对数据进行分类的过程
尚小雨雨·2022-12-21 17:35

统计学习方法决策树

决策树（decisiontree）是一种基本的分类与回归方法。决策树模型呈树形结构，在分类问题中，表示基于特征对实例进行分类的过程。它可以认为是if-then规则的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。其主要优点是模型具有可读性，分类速度快。学习时，利用训练数据，根据损失函数最小化的原则建立决策树模型。预测时，对新的数据，利用决策树模型进行分类。决策树学习通常包括3个步骤：特征
一枝韩独秀·2022-12-21 17:04

【统计学习方法】 决策树 CART生成算法 分类树 Python实现

前言代码可在Github上下载:代码下载Cart(Classificationandregressiontree)分类与回归树，是一种可以用来分类或者回归（属性可以是连续值，标签必须离散）的决策树（二叉树）。对回归树使用平方误差最小化准则，对分类树使用基尼系数最小化准则。该篇讲述的就是使用基尼系数来构造决策树。算法理论其实CART分类树的生成与决策树的非常类似，决策树ID3,C4.5生成，主要的不
火烫火烫的·2022-12-21 17:04

《统计学习方法》 决策树 ID3和C4.5 生成算法 Python实现

代码可在Github上下载:代码下载前言在博主刚接触编程的时候，曾经想过一个如何实现聊天机器人，当时最直接的想法是打算用if-else来做（事实上真用VB实现了一个简单的以自嗨）。而今天的决策树就是可以视为一种if-else的集合。而决策树的可以用来分类也可以用来完成回归任务。本部分介绍的决策树实现了ID3和C4.5算法。两者算法差别在于一个使用了信息增益一个使用了信息增益比。算法理论定义5.1（
火烫火烫的·2022-12-21 17:33

《统计学习方法》matlab计算决策树信息增益

function[empEnt]=expEnt(A)%计算列向量的经验熵empEnt=0;list=unique(A);l=length(list);fori=1:lLength=length(find(A==list(i)));p=Length/length(A);empEnt=empEnt-p*log2(p);endendfunction[ecEnt]=Ecent(A,B,emEnt)%计算经
、踏莎行·2022-12-21 17:33

统计学习方法 | 决策树

一.一棵有理想的树分类决策树模型是一种描述对实例进行分类的树形结构决策树是通过一系列规则对数据进行分类的过程步骤①构建根节点②选择最优特征，以此分割训练数据集③若子集被基本正确分类，构建叶结点，否则，继续选择新的最优特征④重复以上两步，直到所有训练数据子集被正确分类二.条件概率分布决策树：给定特征条件下类的P(X,Y)条件概率分布：特征空间的一个划分划分：单元或区域互不相交一条路径对应于划分中的一
奔跑的蜗牛君666·2022-12-21 17:02

【统计学习方法】决策树

一、前言决策树是一种基本的回归与分类算法，可以将决策树看作一个if−thenif-thenif−then规则的集合（e.g.内部结点处对特定条件进行判断，为True则访问左子树，反之访问右子树）或者是给定条件下的概率分布（e.g.将特征空间划分为互不相交的单元或者区域，并在每一个单元定义一个类的概率分布就构成一个条件概率分布），其模型呈现树形结构，决策树由结点和有向边组成，其中结点可进一步分为内部
jyyym·2022-12-21 17:02

学习自旋电子学的笔记07：根据微磁学基本能量密度公式推导有效场

阅读说明：由于CSDN自带的Markdown编辑器目前对大篇幅KATEX公式的支持性不太好，导致文章内容有了字数限制，一旦超过字数限制，就不能正常保存和发布了。所以，我将笔记07的内容全部转换为了图片的形式，方便大家阅读！文末也有原始的.md文档，里面的公式使用的是KATEX格式，此外，若某些人没有合适的.md文档的阅读器，我也把本文打印了PDF版本，有需要的可以点击下载！同理，可以根据结果的规律
搬砖工人_0803号·2022-12-21 13:28

Softmax 函数的特点和作用是什么

softmaxfunctionisageneralizat…显示全部关注者1,577被浏览512,592关注问题写回答邀请回答好问题21添加评论分享27个回答默认排序杨思达zzzz982人赞同了该回答----------因为这里不太方便编辑公式，所以很多公式推导的细
AiA_AiA·2022-12-21 09:16

【自适应波束形成算法】 ---- 线性约束最小方差准则（公式推导）

波束形成是阵列信号处理中的一个重要领域。常规的波束形成，可以通过FFT是实现，其权矢量一般由期望方向的导向矢量加窗后得到。假设有一个由N个阵元组成的线阵，有一来自方向的来波信号入射到阵元上，其导向矢量可以写为其中，为阵元间距，为波长。则入射信号可以写为,为加性噪声。若该方向的信号为期望信号，则对该方向形成波束。对入射信号进行加权后，可以表示为,为加权权矢量，。若想实现对方向的波束形成，则令即可。现
_Karen_·2022-12-21 08:37

手打SVM公式推导以及利用对偶学习算法求解全过程

手打SVM公式推导以及利用对偶学习算法求解全过程视频地址以下是看完视频的笔记，涉及SVM公式的推导、求解全过程：svm三宝：间隔、对偶，核函数。SVM分为：硬间隔SVM、软间隔SVM、核函数。
页页读·2022-12-21 07:50

差分隐私与深度学习--联邦学习

//公式推导
fyr学无止境·2022-12-21 05:45

施密特正交化(Gram-Schmidt Orthogonalization)

目录1Gram-Schmidt的计算公式推导2Gram-Schmidt的意义3ModifiedGram-Schmidt(以算法模式计算正交向量)3.1ModifiedG-S会出现的问题：当矩阵开始存在微小误差时
fo-in·2022-12-21 01:35

【机器学习】白板公式推导-1-书籍&视频

【机器学习】白板公式推导-1-介绍书籍列表频率派-统计机器学习统计学习方法-李航ESL贝叶斯派-概率图模型模式识别与机器学习（PRML）-ChristopherM.BishopMLAPP其他机器学习（西瓜书
暖焱·2022-12-20 17:01

机器学习公式推导--Introduction

记录机器学习公式推导的文档，好好学数学哦~参考视频：https://www.bilibili.com/video/BV1aE411o7qd?
如果你也听说~·2022-12-20 17:57

主成分分析（PCA）（principal component analysis）

参考deeplearningbook.org一书2.12Example:PrincipalComponentsAnalysis参考李航统计学习方法第16章主成分分析本文的目录如下：目录用到的知识点PCA
大豆木南·2022-12-20 15:36

概率分布介绍：泊松分布

二项分布二项分布的缺点1.二项随机变量xxx是只有0或12.二项分布中，实验次数nnn应该提前知道泊松分布的公式推导泊松分布的特点函数图像参考泊松分布(PoissonDistribution)定义假设在一定时间间隔
coasxu·2022-12-20 13:25

机器学习：公式推导与代码实现全书代码！

今年新书《机器学习：公式推导与代码实现》目前在印刷中，本月底即将出版，现开源本书全部章节代码。全书总共6大部分26个章节，包括入门、监督学习单模型、监督学习集成模型、无监督学习模型、概率模型和总结。
机器学习与AI生成创作·2022-12-20 13:12

小白西瓜书机器学习打卡Task2

学习笔记：课程来自B站【吃瓜教程】《机器学习公式详解》（南瓜书）与西瓜书公式推导直播合集https://www.bilibili.com/video/BV1Mh411e7VU?
Olivia LI.·2022-12-20 12:37

统计学习方法 | 第1章 统计学习方法概论

第1章统计学习方法概论《统计学习方法》Python代码实现【转载自Github开源项目】https://github.com/fengdu78/lihang-code1．统计学习是关于计算机基于数据构建概率统计模型并运用模型对数据进行分析与预测的一门学科
Dazza Lark·2022-12-20 09:28

统计学习方法概论

也是好久没更新了，前面项目基础开发的工作已经基本完结，但又给了我两个任务，一个是做一个QA系统，一个是做一个推荐系统，想想我是基本不会啊，于是只是学呗，网上找了一些资料，人家说先看李航老师的书，于是做个笔记。1统计学习统计学习的对象：（1）data：计算机及互联网上的各种数字、文字、图像、视频、音频数据以及它们的组合。（2）数据的基本假设是同类数据具有一定的统计规律性。统计学习的目的：用于对数据（
一枝韩独秀·2022-12-20 09:57

统计学习方法- 统计学习方法概论

统计学习以方法为中心，统计学习方法构建模型并应用模型进行预测与分析。统计学习是概率论、统计学、信息论、计算理论、最优化理论及计算
海伦•·2022-12-20 09:25

统计学习方法 | 感知机

感知机是二类分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别，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，属于判别模型一.模型介绍和学习策略1.模型介绍2.几何含义3.学习策略数据集的线性可分性二.梯度下降法1.概念2.算法3.原理三.原始形式首先任意选取一个超平面，然后用梯度下降法不断极小化目标函数在这个过程中一次随机选取一个误分类点使其梯度下
奔跑的蜗牛君666·2022-12-20 09:23

统计学习方法 | K 近邻法

一.简介1.直观理解定义：是一种基本的分类与回归方法主要思想：假定给定一个训练数据集，其中实例标签已定，当输入新的实例时，可以根据其最近的K个训练实例的标签，预测新实例对应的标注信息分类问题：对新的实例，根据与之相邻的K个训练实例的类别，通过多数表决等方式进行预测回归问题：对新的实例，根据与之相邻的K个训练实例的标签，通过均值计算进行预测2.算法3.误差率二.三要素1.模型K近邻法不具有显性的学习
奔跑的蜗牛君666·2022-12-20 09:23

统计学习方法 | 朴素贝叶斯

朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法对于给定的训练数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布；然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出y朴素贝叶斯法实现简单，学习和预测的效率都很高，是一种常用的方法朴素贝叶斯法实际上学习到生成数据的机制，所以属于生成模型一.贝叶斯定理贝叶斯思维：先验概率→调整因子→后验概率1.条件概率2.贝叶斯定理
奔跑的蜗牛君666·2022-12-20 09:23

统计学习方法 李航 课后习题答案 第二版 机器学习

李航《统计学习方法》课后习题答案（第2版）【李航课后习题解答+书中疑点推导+算法代码实现+可私聊耐心解答(48小时内回复)，包会！！】
#苦行僧·2022-12-20 09:50

统计学习方法 | 概论

一.简介统计学习是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科1.统计学习方法的步骤①得到一个有限的训练数据集合②确定学习模型的集合（模型）③确定模型选择的准则（策略）④实现求解最优模型的算法
奔跑的蜗牛君666·2022-12-20 09:49

隐马尔可夫模型 (hidden Markov model, HMM)

本文为《统计学习方法》的读书笔记目录隐马尔可夫模型的基本概念隐马尔可夫模型的定义观测序列的生成过程隐马尔可夫模型的3个基本问题概率计算算法直接计算法前向算法(forwardalgorithm)后向算法(
连理o·2022-12-20 07:38

数据挖掘系列（8）朴素贝叶斯分类算法原理与实践

一个简单的例子朴素贝叶斯算法是一个典型的统计学习方法，主要理论基础就是一个贝叶斯公式，贝叶斯公式的基本定义如下：这个公式虽然看上去简单，但它却能总结历史，预知未来。
youbo_sun·2022-12-19 23:39
上一页 17 18 19 20 21 22 23 24 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他