2018-3-19李宏毅机器学习视频学习笔记九----Classification: Probabilistic Generative Model

视频来源：

李宏毅机器学习(2017)_哔哩哔哩 (゜-゜)つロ 干杯~-bilibili

https://www.bilibili.com/video/av10590361/?p=10

步骤：

（1）数字化，将各个事物转化为数字的形式。

（2）数字作为输入

（3）模型建立

（4）输入，训练

宝可梦的实例分析

(1)宝可梦的属性可以分为十八种

如图：输入宝可梦数字化的特征属性，得到其所属的种类

为什么要预测各个宝可梦的属性？？？

应用——根据各个宝可梦的了类别（查找防御方和攻击方的图表）在以后的战斗中可以合理的选择作战的宝可梦

如何分类？？

（1）数字化

假使将分类看成是线性回归（使用回归的思路解决分类问题-----只有两种类别的时候）

若求得的结果趋于1，则将类别归为class 1 ，趋于-1将类别归为class 2

理想的方法

生成概率模型

（1）概率

假若class 1为water属性的共79个，class 2 位nomal属性的共61个

则P(C1)=79/140=0.56                       P(C2)=61/140=0.44

应用计算类别是water属性的箱子中取得它的概率

条件：

（1）假使数据是服从高斯分布的

极大似然法

然后是训练数据

总体的步骤：

这里的高斯分布是自己选择的，可以自己修改分布

后验概率：

下一个问题：

既然是一个直线型，只需要求解w和b、，为何还要那么费劲的使用概率？？？