2018-3-19李宏毅机器学习视频学习笔记九----Classification: Probabilistic Generative Model
视频来源:
李宏毅机器学习(2017)_哔哩哔哩 (゜-゜)つロ 干杯~-bilibili
https://www.bilibili.com/video/av10590361/?p=10
步骤:
(1)数字化,将各个事物转化为数字的形式。
(2)数字作为输入
(3)模型建立
(4)输入,训练
宝可梦的实例分析
(1)宝可梦的属性可以分为十八种
如图:输入宝可梦数字化的特征属性,得到其所属的种类
为什么要预测各个宝可梦的属性???
应用——根据各个宝可梦的了类别(查找防御方和攻击方的图表)在以后的战斗中可以合理的选择作战的宝可梦
如何分类??
(1)数字化
假使将分类看成是线性回归(使用回归的思路解决分类问题-----只有两种类别的时候)
若求得的结果趋于1,则将类别归为class 1 ,趋于-1将类别归为class 2
理想的方法
生成概率模型
(1)概率
假若class 1为water属性的共79个,class 2 位nomal属性的共61个
则P(C1)=79/140=0.56 P(C2)=61/140=0.44
应用计算类别是water属性的箱子中取得它的概率
条件:
(1)假使数据是服从高斯分布的
极大似然法
![](https://gss1.bdstatic.com/9vo3dSag_xI4khGkpoWK1HF6hhy/baike/s%3D12/sign=36178a2bdb00baa1be2c43b946106652/03087bf40ad162d95bf925db1bdfa9ec8b13cde6.jpg)
有关,
![](https://gss1.bdstatic.com/9vo3dSag_xI4khGkpoWK1HF6hhy/baike/s%3D12/sign=36178a2bdb00baa1be2c43b946106652/03087bf40ad162d95bf925db1bdfa9ec8b13cde6.jpg)
取值不同,则事件A发生的概率
![](https://gss0.bdstatic.com/94o3dSag_xI4khGkpoWK1HF6hhy/baike/s%3D50/sign=2c5bc2c239fa828bd5239de3fc1f1a09/b151f8198618367a4ad1391a24738bd4b21ce599.jpg)
也不同,当我们在一次试验中事件A发生了,则认为此时的
![](https://gss1.bdstatic.com/9vo3dSag_xI4khGkpoWK1HF6hhy/baike/s%3D12/sign=36178a2bdb00baa1be2c43b946106652/03087bf40ad162d95bf925db1bdfa9ec8b13cde6.jpg)
值应是t的一切可能取值中使
![](https://gss0.bdstatic.com/94o3dSag_xI4khGkpoWK1HF6hhy/baike/s%3D50/sign=2c5bc2c239fa828bd5239de3fc1f1a09/b151f8198618367a4ad1391a24738bd4b21ce599.jpg)
达到最大的那一个,极大似然估计法就是要选取这样的t值作为参数t的估计值,使所选取的样本在被选的总体中出现的可能性为最大。[1]
![](/assets/blank.gif)
然后是训练数据
总体的步骤:
这里的高斯分布是自己选择的,可以自己修改分布
后验概率:
下一个问题:
既然是一个直线型,只需要求解w和b、,为何还要那么费劲的使用概率???
2018-3-19李宏毅机器学习视频学习笔记九----Classification: Probabilistic Generative Model相关推荐
- 台大李宏毅Machine Learning 2017Fall学习笔记 (5)Classification: Probabilistic Generative Model
台大李宏毅Machine Learning 2017Fall学习笔记(5)Classification: Probabilistic Generative Model 本节课以二分类问题为例,详细讲解 ...
- 机器学习入门系列05,Classification: Probabilistic Generative Model(分类:概率生成模型)
Gitbook整理地址: Classification 分类 分类要找一个function,输入就是对象 xx ,输出是这个对象属于n个类别的哪一个. 比如信用评分 输入:收入,储蓄,行业,年龄,金融 ...
- 吴恩达《机器学习》学习笔记九——神经网络相关(1)
吴恩达<机器学习>学习笔记九--神经网络相关(1) 一. 非线性假设的问题 二. 神经网络相关知识 1.神经网络的大致历史 2.神经网络的表示 3.前向传播:向量化表示 三. 例子与直觉理 ...
- 吴恩达机器学习视频学习笔记
吴恩达机器学习视频笔记 介绍 Introduction 线性回归 Linear Regression 单变量 One Variable 多变量 Multiple Variables 多项式回归 Pol ...
- 李宏毅机器学习课程学习笔记(1)——机器学习基本概念
机器学习基本概念介绍 让机器具备寻找一个所需函数的能力--两大任务 Regression回归 回归预测 Classification分类 判断是否符合要求:True/Flase Structured ...
- 【李宏毅机器学习】05:概率生成模型Probabilistic Generative Model
李宏毅机器学习05:概率生成模型 Probabilistic Generative Model 文章目录 李宏毅机器学习05:概率生成模型 Probabilistic Generative Model ...
- 影像组学视频学习笔记(19)-数据标准化、归一化极简概述、Li‘s have a solution and plan.
本笔记来源于B站Up主: 有Li 的影像组学系列教学视频 本节(19)主要介绍: 数据的标准化.归一化 为什么要进行标准化.归一化? 机器学习算法的要求 便于横向比较 # 标准化 (影像组学中最常用) ...
- 影像组学视频学习笔记(37)-机器学习模型判断脑卒中发病时间(文献报告)、Li‘s have a solution and plan.
作者:北欧森林 链接:https://www.jianshu.com/p/3e7a2c84288e 来源:简书,已获授权转载 RadiomicsWorld.com "影像组学世界" ...
- 影像组学视频学习笔记(24)-文献导读:了解88种降维、分类器组合、Li‘s have a solution and plan.
本笔记来源于B站Up主: 有Li 的影像组学系列教学视频 本节(24)主要讲解: 解读一篇文献,了解不同的降维.分类器组合方法 这篇文献2018年发表在European Radiology上: Rad ...
最新文章
- 白天鹅黑天鹅灰天鹅?手把手教你用卷积神经网络搞定识别
- 谋定新型农业主体-农业大健康·万祥军:农业高质量发展规划
- AI入门:不用任何公式把推荐系统讲清楚
- 连接CPU和计算机的总线,什么是计算机总线 总线和接口的区别
- $ionicPopup
- [BZOJ1635][Usaco2007 Jan]Tallest Cow 最高的牛
- 红魔3电竞手机配置进一步曝光 电池容量不低于5000mAh
- “见识”很重要 记一起Oracle的SQL调整
- A股收盘:深证区块链50指数跌1.75%,*ST群兴、亚联发展涨停
- 用Angular制作单页应用视图切换动画
- asp.mvc 基本知识
- c语言中如何输出字节数组,C语言中数组所占字节怎么算
- Enco free2 固件降级详解
- 陈世涛:鼠标滚轮引起的画面上下跳动问题处理 跳行怎么办?
- 生命在于学习——业务逻辑漏洞
- 如何读写8bit rgb彩色png图像
- 如何使用Qt调试飞机大战
- 如何设置交易滑点?精确到tick 测算期货冲击成本(附源码)
- linux grub 编辑器,KGRUBEditor: 可视化的 GRUB 编辑器
- 二手房买卖信息管理系统