- 博客(6)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 机器学习——贝叶斯网(bayesian Network)二
此文章衔接上一篇文章,此文主讨论在贝叶斯网络确定的情况下如何判断条件独立. 对于上图的简单的贝叶斯网络,我们可以看到一个父节点,指向两个子节点,根据上一篇文章可以得到; P(a,b,c)=P(c)P(a|c)P(b|c) 而:P(a,b,c)/P(c)=P(a|c)P(b|c) 得:P(a,b|c)=P(a|c)P(b|c) 即;在c给定的条件下,a,b被阻断(blocked)即是独...
2018-08-26 13:43:49
2697
原创 机器学习——贝叶斯网(bayesian Network)一
把某个研究系统按照设计的随机变量,感觉是否条件独立绘制在一个有向图中,这就近形成了贝叶斯网络. 贝叶斯网络一个有向无环图(Directed Acyclic Graph,DAG),是一种概率图模型,根据概率图的拓扑结构,考察一组随机变量{x1x2,x3......xn}即其n组的条件概率分布(Conditional Probability Distributions,CPD)的性质. 其中有向无...
2018-08-26 10:40:20
20613
原创 贝叶斯算法中期望风险函数的理解
在看朴素贝叶斯时候,对后验概率最大化的含义中的步骤一直有困惑,在看了网上的一些资料后,大部分同学都采用了积分的方法解决这个问题,但是对这个一般用离散化处理的问题,我用以下方法解决这个问题,总体上和积分方法雷同. ...
2018-08-16 16:16:51
5316
1
原创 为何adaboost算法中每次放大权重都会使分类错误样本权重的累加达到0.5?
在看adaboost算法示例的时候突然发现一个有趣的现象,每次更新完样本权值之后,分类错误的样本的权值累加都会更新到0.5.我想着可能是因为如果分类错误率为0.5,对于二分类问题来说就相当于随便猜猜了,而这里采用的弱学习器再怎么样也比随便猜猜强吧!于是学习器的性能就得到了提升.但是它是怎么做到的呢? 对分类错误的样本的权重做累加: ...
2018-08-03 16:22:32
3461
原创 机器学习-集成学习之AdaBoosting
第一次写博客,在机器学习的过程中CSDN上的博客帮助了我很多,在这里我也想分享下我对其中一些问题的看法。更重要的是想着在这里可以记录下点自己学习的过程,回过头来说不定也是美好的回忆 集成学习(ensemble learning) 集成学习指的,通过构建并结合多个学习器拉来完成学习任务. 个体与集成 集成学习的一般结构为：先产生一组个体学习器，再用某种策略将它们结合在一起。 上图中,若...
2018-08-03 15:39:42
2020
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人