《統計學習方法》筆記（一）
模型 學習策略 風險函數 判別/生成 感知機 誤分類點到超平面的總距離 經驗風險最小化 判別模型 K近鄰 誤分類的概率 經驗風險最小化 判別模型 樸素貝葉斯法 後驗概率最大化 極大似然估計：期望風險最小化；貝葉斯估計:結構風險最小化 生成模型 決策樹 選取信息增益最大的特徵分類 結構風險最小化 判別模型 監督學習和無監督學習 我的理解是，是否有監督（supervised），就看輸入數據是否有標籤（
相關文章
- 1. 統計學習方法筆記（一）
- 2. 《統計學習方法》學習筆記
- 3. 統計學習方法筆記——第一章 統計學習方法概論（3）
- 4. 統計學習方法筆記——第一章 統計學習方法概論（2）
- 5. 統計學習方法筆記（一）統計學習方法簡介
- 6. 統計學習方法筆記 -- 概論
- 7. 統計學習方法筆記（三）
- 8. 統計學習方法筆記（十四）
- 9. 統計學習方法筆記
- 10. 《統計學習方法》筆記——PCA
- 更多相關文章...
- • 您已經學習了 XML Schema，下一步學習什麼呢？ - XML Schema 教程
- • 我們已經學習了 SQL，下一步學習什麼呢？ - SQL 教程
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • Kotlin學習（一）基本語法
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。
最新文章
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 統計學習方法筆記（一）
- 2. 《統計學習方法》學習筆記
- 3. 統計學習方法筆記——第一章 統計學習方法概論（3）
- 4. 統計學習方法筆記——第一章 統計學習方法概論（2）
- 5. 統計學習方法筆記（一）統計學習方法簡介
- 6. 統計學習方法筆記 -- 概論
- 7. 統計學習方法筆記（三）
- 8. 統計學習方法筆記（十四）
- 9. 統計學習方法筆記
- 10. 《統計學習方法》筆記——PCA