文章目录

  • 0. 前言
  • 1. 拉斯维加斯方法
  • 2. 蒙特卡罗方法

如果这篇文章对你有一点小小的帮助,请给个关注,点个赞喔,我会非常开心的~

0. 前言

随机算法主要分为两种类型:

  • 拉斯维加斯方法:采样次数越多,越有可能给出最优解
  • 蒙特卡罗方法:采样次数越多,越能近似最优解

1. 拉斯维加斯方法

拉斯维加斯方法或者给出满足要求的解,或者不给出解

拉斯维加斯方法找到正确解的概率会随着计算时间的增加而增加

一个简单的例子是随机快速排序,得到的结果一定是排序好的结果,但是在随机运行的过程中,如果时间有限,则有可能不给出解。

2. 蒙特卡罗方法

蒙特卡罗方法一定会给出解,但是给出的解不一定满足要求

蒙特卡罗方法找到的解与正确解的近似程度会随着计算时间的增加而增加

一个简单的例子是利用随机数在一个范围内大量采样,以频率逐渐近似概率,计算π\piπ。


如果这篇文章对你有一点小小的帮助,请给个关注,点个赞喔,我会非常开心的~

西瓜书+实战+吴恩达机器学习(二十)随机算法(拉斯维加斯方法、蒙特卡罗方法)相关推荐

  1. 西瓜书+实战+吴恩达机器学习(十六)半监督学习(半监督SVM、半监督k-means、协同训练算法)

    文章目录 0. 前言 1. 半监督SVM 2. 半监督k-means 2.1. 约束k-means 2.2. 约束种子k-means 3. 协同训练算法 如果这篇文章对你有一点小小的帮助,请给个关注, ...

  2. 西瓜书+实战+吴恩达机器学习(十二)监督学习之AdaBoost

    文章目录 0. 前言 1. AdaBoost算法 如果这篇文章对你有一点小小的帮助,请给个关注,点个赞喔,我会非常开心的~ 0. 前言 Boosting:先训练一个基学习器,然后根据学习器的表现对样本 ...

  3. 西瓜书+实战+吴恩达机器学习(十五)无监督学习之关联分析(Apriori, FP-growth)

    文章目录 0. 前言 1. Apriori算法 1.1. 寻找频繁项集 1.2. 挖掘关联规则 2. FP-growth算法 2.1. 构建FP树 2.2. 寻找频繁项集 如果这篇文章对你有一点小小的 ...

  4. 西瓜书+实战+吴恩达机器学习(十四)无监督学习之聚类(k-means, LVQ, 高斯混合聚类, DBSCAN, AGNES)

    文章目录 0. 前言 1. 性能度量 1.1. 外部指标 1.2. 内部指标 2. 距离计算 3. k-means算法 4. 学习向量量化 5. 高斯混合聚类 6. 密度聚类 DBSCAN 7. 层次 ...

  5. 西瓜书+实战+吴恩达机器学习(十九)特征选择(过滤式选择、包裹式选择)

    文章目录 0. 前言 1. 过滤式选择 2. 包裹式选择 如果这篇文章对你有一点小小的帮助,请给个关注,点个赞喔,我会非常开心的~ 0. 前言 特征选择是一个很重要的数据预处理过程: 选择出重要的特征 ...

  6. 西瓜书+实战+吴恩达机器学习(十八)降维(主成分分析 PCA)

    文章目录 0. 前言 1. 主成分分析PCA 如果这篇文章对你有一点小小的帮助,请给个关注,点个赞喔,我会非常开心的~ 0. 前言 维数灾难:在高维情形下出现的数据样本稀疏.距离计算困难等问题. 缓解 ...

  7. 西瓜书+实战+吴恩达机器学习(十)监督学习之支持向量机 Support Vector Machine

    文章目录 0. 前言 1. 拉格朗日乘子法 2. SVM参数求解方法 3. 软间隔 4. 核方法 5. 支持向量回归 如果这篇文章对你有一点小小的帮助,请给个关注,点个赞喔,我会非常开心的~ 0. 前 ...

  8. 西瓜书+实战+吴恩达机器学习(二)机器学习基础(偏差、方差、调试模型技巧)

    文章目录 0. 前言 1. 偏差方差的解决方法 2. 高偏差高方差的学习曲线 3. 调试模型技巧 如果这篇文章对你有一点小小的帮助,请给个关注,点个赞喔,我会非常开心的~ 0. 前言 泛化误差可分解为 ...

  9. 西瓜书+实战+吴恩达机器学习(六)监督学习之逻辑回归 Logistic Regression

    文章目录 0. 前言 1. 逻辑回归参数求解方法 如果这篇文章对你有一点小小的帮助,请给个关注,点个赞喔,我会非常开心的~ 0. 前言 逻辑回归,根据数据对分类边界进行回归,以此分类. y=σ(wTx ...

  10. 西瓜书+实战+吴恩达机器学习(五)监督学习之线性判别分析 Linear Discriminant Analysis

    文章目录 0. 前言 1. 线性判别分析参数求解方法 如果这篇文章对你有一点小小的帮助,请给个关注,点个赞喔,我会非常开心的~ 0. 前言 线性判别分析LDA的思想非常朴素:给定数据集,设法将样例投影 ...

最新文章

  1. 会开了一天,赛题有结果了吗?
  2. 从需求的角度去理解Linux系列:总线、设备和驱动
  3. 【转】你必须了解的Session的本质
  4. 一起学设计模式 - 命令模式
  5. .net 页面传参方式总结
  6. Vivado Bit文件压缩
  7. 京东数据产品专家分享“如何转行数据产品经理​?”
  8. android封装aidl接口,Android远端接口AIDL及服务回调用法
  9. python函数执行顺序_python下for循环接if判断的函数执行顺序
  10. Python根据字符分组数量判断密码安全强度
  11. 苹果ppt_我用PPT复刻了苹果公司的宣传广告,这是对PPT平滑功能的极致应用!
  12. 前后端怎么连接_如何搭建前后端分离的测试平台
  13. virtualbox中给CentOS根分区扩容的方法
  14. 一个很不错的C++类的练习题目
  15. 《Python自然语言处理-雅兰·萨纳卡(Jalaj Thanaki)》学习笔记:07 规则式自然语言处理系统
  16. CentOS7 阻止笔记本合盖时休眠
  17. 大脑的四个黄金记忆时间段
  18. 什么是生产流程管理系统?
  19. 关于Java中大小写转换
  20. outlook电子邮件解析_在Outlook中按会话对电子邮件进行排序

热门文章

  1. 背景透明,文字不透明效果
  2. emacs在windows下打开报错原因
  3. jquery学习--选择器
  4. Hadoop单机环境搭建整体流程
  5. 基于visual Studio2013解决C语言竞赛题之1026判断排序
  6. Ubuntu 之旅(三)安装通讯工具
  7. 自学Java第一周的总结
  8. cPanel设置自定义404错误页
  9. php.ini中Magic_Quotes_Gpc开关设置
  10. iisweb服务器完美解决方案