机器学习 | EM 算法

最大期望 (Expectation-maximization, EM) 算法:在统计中被用于寻找,依赖于不可观察的隐性变量的概率模型中,参数的最大似然估计。

- 阅读剩余部分 -

机器学习 | 最大熵模型

最大熵原理:学习概率模型时,在所有可能的概率模型中,熵最大的模型是最好的模型。用最大熵原理推导实现的模型是最大熵模型。

- 阅读剩余部分 -

机器学习 | 线性模型

线性模型 (Linear Model):给定由 $d$ 个属性描述的示例 $\boldsymbol{x}$,线性模型试图学得一个通过属性间的线性组合来进行预测的函数,即:$f(\boldsymbol{x})=\boldsymbol{w}^{\mathrm{T}}\boldsymbol{x}+b$.

- 阅读剩余部分 -

机器学习 | BP 神经网络

人工神经网络 (Artificial Neural Networks, ANN):神经网络是由具有适应性的简单单元组成的广泛并行互联的网络,它的组织能够模拟生物神经系统对真实世界物体所做出的交互反应。

- 阅读剩余部分 -

机器学习 | 支持向量机

支持向量机 (Support Vector Machine, SVM):支持向量机在高维或无限维空间中构造超平面或超平面集合,其可以用于分类、回归或其他任务。直观来说,分类边界距离最近的训练资料点越远越好,因为这样可以缩小分类器的泛化误差。

- 阅读剩余部分 -