機器學習：李宏毅：概率分佈生成概率模型
1.概率分佈 由於前面學習的是迴歸，因此我們通過迴歸的方法來查看概率分佈 分類是class 1 的時候結果是1 分類爲class 2的時候結果是-1； 測試時，如果結果接近1的是class1 ，如果結果接近-1的是class2。 但是呢，這只是看起來很美麗，但是如果當結果遠遠大於1的時候，他的分類應該是class1還是class2呢？ 我們爲了降低整體誤差，需要調整已經找到的分類函數，這樣會導致實
相關文章
- 1. 李宏毅機器學習課程４~~~分類：概率生成模型
- 2. 李宏毅機器學習2016 第四講 分類：概率生成模型
- 3. [機器學習入門] 李宏毅機器學習筆記-5（Classification- Probabilistic Generative Model；分類：概率生成模型）
- 4. 分類模型：概率生成、樸素貝葉斯和邏輯迴歸 |李宏毅機器學習【5】
- 5. 4、【李宏毅機器學習（2017）】Classification- Probabilistic Generative Model（分類-概率生成模型）
- 6. [機器學習入門] 李宏毅機器學習筆記-5（Classification- Probabilistic Generative Model；分類：機率生成模型）
- 7. 李宏毅深度學習筆記（五）分類：概率生成模型(Probabilistic Generative Model)——樸素貝葉斯
- 8. 概率生成模型
- 9. 概率圖模型 - 機器學習ML
- 10. 機器學習--概率圖模型
- 更多相關文章...
- • 屏幕分辨率 統計 - 瀏覽器信息
- • 高屏幕分辨率 統計 - 瀏覽器信息
- • Kotlin學習（二）基本類型
- • 使用Rxjava計算圓周率
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 李宏毅機器學習課程４~~~分類：概率生成模型
- 2. 李宏毅機器學習2016 第四講 分類：概率生成模型
- 3. [機器學習入門] 李宏毅機器學習筆記-5（Classification- Probabilistic Generative Model；分類：概率生成模型）
- 4. 分類模型：概率生成、樸素貝葉斯和邏輯迴歸 |李宏毅機器學習【5】
- 5. 4、【李宏毅機器學習（2017）】Classification- Probabilistic Generative Model（分類-概率生成模型）
- 6. [機器學習入門] 李宏毅機器學習筆記-5（Classification- Probabilistic Generative Model；分類：機率生成模型）
- 7. 李宏毅深度學習筆記（五）分類：概率生成模型(Probabilistic Generative Model)——樸素貝葉斯
- 8. 概率生成模型
- 9. 概率圖模型 - 機器學習ML
- 10. 機器學習--概率圖模型