亚洲久操AV,成人浴婷婷,红桃视频网站在线观看

tags: 機(jī)器學(xué)習(xí)

監(jiān)督學(xué)習(xí)模型

監(jiān)督學(xué)習(xí)的任務(wù)是學(xué)習(xí)一個模型，對給定的輸入預(yù)測相應(yīng)的輸出，這個模型的一般形式維一個決策函數(shù)或一個條件概率分布。

代表：K 近鄰、感知機(jī)（神經(jīng)網(wǎng)絡(luò)）、決策樹、邏輯斯蒂回歸、最大熵模型、SVM、提升方法、條件隨機(jī)場
思想：由數(shù)據(jù)直接學(xué)習(xí)決策函數(shù) $Y=f(X)$ 或條件概率分布 $P(Y|X)$ 作為預(yù)測的模型。
理解：直觀的說，判別模型學(xué)習(xí)的是類別之間的最優(yōu)分隔面，反映的是不同類數(shù)據(jù)之間的差異
舉例：要確定一個羊是山羊還是綿羊，用判別模型的方法是從歷史數(shù)據(jù)中學(xué)習(xí)到模型，然后通過提取這只羊的特征來預(yù)測出這只羊是山羊的概率，是綿羊的概率。

代表：樸素貝葉斯、隱馬爾可夫模型、混合高斯模型、貝葉斯網(wǎng)絡(luò)、馬爾可夫隨機(jī)場
思想：由數(shù)據(jù)學(xué)習(xí)得到聯(lián)合概率密度分布 $P(X,Y)$ ，然后求出條件概率分布 $P(Y|X)$ 作為預(yù)測的模型： $P(Y|X) = \frac{P(X,Y)}{P(X)}$
舉例：利用生成模型是根據(jù)山羊的特征首先學(xué)習(xí)出一個山羊的模型，然后根據(jù)綿羊的特征學(xué)習(xí)出一個綿羊的模型，然后從這只羊中提取特征，放到山羊模型中看概率多少，放到綿羊模型中看概率多少，哪個大就是哪個。

隱變量：當(dāng)我們找不到引起某一現(xiàn)象的原因時(shí)，就把這個在起作用，但無法確定的因素，叫“隱變量”

判別方法的特點(diǎn)：
- 缺點(diǎn)：不能反映訓(xùn)練數(shù)據(jù)本身的特性。
- 優(yōu)點(diǎn)：它尋找不同類別之間的最優(yōu)分類面，反映的是異類數(shù)據(jù)之間的差異。
- 優(yōu)點(diǎn)：直接面對預(yù)測，往往學(xué)習(xí)的準(zhǔn)確率更高。
- 優(yōu)點(diǎn)：由于直接學(xué)習(xí)P(Y|X)或P(X)，可以對數(shù)據(jù)進(jìn)行各種程度上的抽象、定義特征并使用特征，因此可以簡化學(xué)習(xí)問題。
生成方法的特點(diǎn)：
- 優(yōu)點(diǎn)：可以從統(tǒng)計(jì)的角度表示數(shù)據(jù)的分布情況，能夠反映同類數(shù)據(jù)本身的相似度**。但它不關(guān)心到底劃分各類的那個分類邊界在哪。
- 優(yōu)點(diǎn)：生成方法的學(xué)習(xí)收斂速度更快，即當(dāng)樣本容量增加的時(shí)候，學(xué)到的模型可以更快的收斂于真實(shí)模型。
- 優(yōu)點(diǎn)：當(dāng)存在隱變量時(shí)，仍可以用生成方法學(xué)習(xí)。此時(shí)判別方法就不能用。
- 缺點(diǎn)：學(xué)習(xí)和計(jì)算過程比較復(fù)雜