機器學習第三講

2022-06-20 04:57:07 字數 1336 閱讀 5962

第三講 分類

1.數學知識回顧

①點到平面距離

②梯度下降法

③隨機梯度下降法

學習率的取值要逐步降低

④最大似然估計

2.分類介紹

另一種典型的有監督學習問題

標籤(模型**值)y為離散值

實際應用舉例

新聞主題分類∶科技、教育、社會、體育?

疾病診斷∶根據病人肺部影像,診斷是否患 covid-19肺炎

市場營銷︰根據顧客歷史購買記錄和行為偏好,**使用者是否喜歡新產品

信用評估∶根據客戶歷史信貸記錄,**貸款是否會違約

3.感知機、支援向量機和邏輯回歸

感知機∶找到一條直線,將兩類資料分開即可。

支援向量機︰找到一條直線,不僅將兩類資料正確分類,還使得資料離直線盡量遠。

邏輯回歸:找到一條直線使得觀察到訓練集的"可能性"最大。

4.感知機

優化目標:

5.支援向量機:

①間隔最大化

②樣本損失函式

優化目標:

③非線性:核技巧

6.邏輯回歸

似然函式和負對數似然函式(優化目標)

7.損失函式

機器學習十講第三講

本講開始講了梯度下降演算法和最大似然估計演算法。樣本數量 n classes 2,類別數量 n features 2,特徵數量 n informative 2,有資訊特徵數量 n redundant 0,冗餘特徵數量 n repeated 0,重複特徵數量 n clusters per class ...

Cmake學習第三講

三 總結 原始檔 include libhelloslam.h 這是原始檔usehello.cpp 使用 libhelloslam.h 中的 printhello 函式 intmain int argc,char ar 標頭檔案 這是乙個標頭檔案libhelloslam.h ifndef libhe...

台大機器學習第三講和第四講

第三講 學習的方式 一 y的維度 h的輸出可能不是乙個yes和no能解決的,可能是全體實數,可能是列舉值等 二 學習的方法 supervised learning 知道所有的y unsupervised learning 不知道y semi supervised learning 知道一部分y in...