社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

机器学习 | 第31讲---线性分类器2

狗熊会 • 5 年前 • 359 次点击  

大家好,机器学习导论的第31节课来了。这一节引入了判别模型与生成模型的概念,并做了对比。然后在生成模型的意义下讨论了线性判别分析模型。

本节课程主要内容:  

  • 判别模型;

  • 生成模型;

  • 线性判别分析。


张老师就讲到这里,希望大家学的开心,如果有问题大家可以留言讨论。


参考文献】:

Chapter 4 in Friedman, Jerome, Trevor Hastie, and Robert Tibshirani. The elements of statistical learning. Vol. 1. New York: Springer series in statistics, 2001.


 张志华教授简介 

博士,北京大学数学科学学院概率统计系教授。加入北京大学之前为上海交通大学计算机科学与工程系教授,上海交通大学数据科学研究中心兼职教授,计算机科学与技术和统计学双学科的博士生指导导师。也曾是浙江大学计算机学院教授和浙江大学统计科学中心兼职教授。

主要从事人工智能、机器学习与应用统计学领域的教学与研究。迄今在国际重要学术期刊和重要的计算机学科会议上发表70余篇论文。是美国“数学评论”的特邀评论员,国际机器学习旗舰刊物Journal of Machine Learning Research 的执行编委。



点击这里查看往期精彩!


第一讲:机器学习简介

第二讲:机器学习的概率与统计基础

第三讲:多元正态分布与高斯图模型(1)

第四讲:多元正态分布与高斯图模型(2)

第五讲:多项式分布及其在机器学习中的应用

第六讲:机器学习中的核方法(1)

第七讲:机器学习中的核方法(2)

第八讲:机器学习中的核方法(3)

第九讲:主成分分析与主坐标分析

第十讲:核主成分分析

第十一讲:概率PCA(1):最大似然估计

第十二讲:概率PCA(2):最大似然估计

第十三讲:概率PCA(3):最大期望算法

第十四讲:概率PCA(4):期望最大算法收敛性

第十五讲:MDS方法(1)

第十六讲:MDS方法(2)

第十七讲:矩阵导数(1)

第十八讲:矩阵导数(2)

第十九讲:矩阵导数(3)

第二十讲:矩阵导数(4)

第二十一讲:谱聚类(1)

第二十二讲:谱聚类(2)

第二十三讲:谱聚类(3)

第二十四讲:谱聚类(4)

第二十五讲:Fisher判别分析(1)

第二十六讲:Fisher判别分析(2)

第二十七讲:Fisher判别分析(3)

第二十八讲:Fisher判别分析(4)

第二十九讲:核判别分析与线性分类器

第三十讲:线性分类器1







今天看啥 - 高品质阅读平台
本文地址:http://www.jintiankansha.me/t/Da2E3ZkCv0
Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/12423
 
359 次点击