统计学习方法-李航(6)
统计学习方法-李航(6)
- 分类问题
- 评价指标
- 标注问题
- 过程
- 学习
- 标注
- 回归问题
- 过程
分类问题
在监督学习中,当输出变量Y取有限个离散值时, 预测问题便成为分类问题。
分类问题包括学习和分类两个过程。
评价指标
TPTPTP——将正类预测为正类数
FNFNFN——将正类预测为负类数
FPFPFP——将负类预测为正类数
TNTNTN——将负类预测为负类数
精确率:P=TPTP+FPP=\frac{TP}{TP+FP}P=TP+FPTP
召回率:R=TPTP+FNR=\frac{TP}{TP+FN}R=TP+FNTP
1F值:(精确率和召回率的调和均值)
2F1=1P+1R\frac{2}{F_1}=\frac{1}{P}+\frac{1}{R}F12=P1+R1
F1=2TP2TP+FP+FNF_1=\frac{2TP}{2TP+FP+FN}F1=2TP+FP+FN2TP
精确率和召回率都高时,F1F1F1值也会高
Z.B.
k近邻法、感知机、朴素贝叶斯法、决策树、 决策列表、逻辑斯谛回归模型、支持向量机、提升方法、贝叶斯网络、神经网络、 Winnow
标注问题
标注问题是分类问题的一个推广
标注问题的输入是一个观测序列,输出是一个标记序列或状态序列。标注问题的目标在于学习一个模型, 使它能够对观测序列给出标记序列作为预测。注意,可能的标记个数是有限的,但其组合所成的标记序列的个数是依序列长度呈指数级增长的。
过程
标注问题分为学习和标注两个过程
学习
T=(x1,y1),(x2,y2),...,(xN,yN)T={(x_1,y_1),(x_2,y_2),...,(x_N,y_N)}T=(x1,y1),(x2,y2),...,(xN,yN)
基于学习构建一个模型,表示为条件概率分布:P(Y(1),Y(2),...,Yn∣X(1),X(2),...,X(n))P(Y^{(1)},Y^{(2)},...,Y^{n}|X^{(1)},X^{(2)},...,X^{(n)})P(Y(1),Y(2),...,Yn∣X(1),X(2),...,X(n))
标注
对一个观测序列xN+1=(xN+1(1),xN+1(2),...,xN+1(n))Tx_{N+1}=(x_{N+1}^{(1)},x_{N+1}^{(2)},...,x_{N+1}^{(n)})^TxN+1=(xN+1(1),xN+1(2),...,xN+1(n))T,找到使条件概率P((yN+1(1),yN+1(2),...,yN+1(n)),(xN+1(1),xN+1(2),...,xN+1(n))T)P((y_{N+1}^{(1)},y_{N+1}^{(2)},...,y_{N+1}^{(n)}),(x_{N+1}^{(1)},x_{N+1}^{(2)},...,x_{N+1}^{(n)})^T)P((yN+1(1),yN+1(2),...,yN+1(n)),(xN+1(1),xN+1(2),...,xN+1(n))T)最大的标记序列yN+1=(yN+1(1),yN+1(2),...,yN+1(n))Ty_{N+1}=(y_{N+1}^{(1)},y_{N+1}^{(2)},...,y_{N+1}^{(n)})^TyN+1=(yN+1(1),yN+1(2),...,yN+1(n))T
Z.B.
隐马尔可夫模型、条件随机场
回归问题
选择一条函数曲线使其很好地拟合已知数据且很好地预测未知数据
过程
回归问题分为学习和预测两个过程
回归学习最常用的损失函数是平方损失函数,在此情况下,回归问题可以由著名的最 小二乘法(least squares)求解。
统计学习方法-李航(6)相关推荐
- 统计学习方法-李航(5)
统计学习方法-李航(5) 生成模型与判别模型 监督学习方法 生成方法(generative approach) 生成模型(generative model) 判别方法(discriminative a ...
- 统计学习方法-李航(4)
统计学习方法-李航(第一章4) 泛化能力 泛化误差 泛化误差上界 考虑二分类问题的泛化误差上界 泛化误差上界定理 泛化误差上界定理证明 泛化能力 泛化误差 学习方法的泛化能力是指由该方法学习到的模型对 ...
- 统计学习方法-李航(3)
统计学习方法-李航(第一章3) 模型评估与模型选择 训练误差与测试误差 过拟合与模型选择 例如:多项式拟合 正则化和交叉验证 正则化 例如:回归问题 交叉验证 简单交叉验证 S折交叉验证(S-fold ...
- 统计学习方法-李航(2)
统计学习方法-李航(第一章2) 如何对经验风险进行矫正 经验风险最小化(ERM) 缺点 结构风险最小化 极大似然估计和贝叶斯估计(PR) 极大似然估计 贝叶斯估计 如何对经验风险进行矫正 在现实中,由 ...
- 统计学习方法-李航(1)
统计学习方法-李航(第一章1) 第一章 统计学习概论 1.1 统计学习 1.2 监督学习 1.3 统计学习的三要素 第一章 统计学习概论 1.1 统计学习 1.统计学习是关于计算机基于数据构建概论统计 ...
- 统计学习方法 李航 读书笔记
************************************************************ 李航教授<统计学习方法> 统计学教材总结 主要介绍监督学习方法 * ...
- 统计学习方法---李航
统计学习方法笔记 第一章:统计学习概论 1.1 统计学习 统计学习( statistical learning)是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科.统计学习也 ...
- 统计学习方法-李航-第一章:统计学习方法概论-笔记1
文章目录 0 机器学习分类 0.1 监督学习 0.2 无监督学习 0.3 半监督学习 0.4 强化学习 1 统计学习方法概论 1.1 监督学习的步骤 1.2 统计学习三要素 1.3 模型评估 1.4 ...
- 统计学习方法-李航-期末复习流程图
<统计学习方法>流程图-期末复习(上) X-mind绘制,转载注明出处 第一章-概论 第二章-感知机 第六章-逻辑回归
最新文章
- Jquery.LazyLoad.js修正版下载,实现图片延迟加载插件
- 2016年网络诉求:物联网+SDN+自动化
- 突发公共事件应急管理 新闻网站集
- idea console中文乱码_Python3的字符编码乱码问题解决思路
- KeyMob:我们做的不仅是移动广告聚合 更是靠谱
- [Cocoa]深入浅出Cocoa之Core Data(2)- 手动编写代码
- kvm虚拟化网卡、virbr0、网段修改
- 关于一些电脑使用的小技巧
- 下个月,Java 开启收费模式!
- java点击图片发出声音_Java 中图片和声音文件的加载
- 编程模式(schema) —— 表驱动法(table-driven)
- Erros while compiiing.Reload prevented
- qpieslice 渐变效果_在IE9中使用CSS3 PIE的线性渐变不起作用,IE8可以
- JDBC实现增删改查功能
- IDEA的常用快捷键(超详细)
- java opencv 人脸相似度,opencv 比较两张图的相似度
- 一款简单好用的开源简繁转换类库
- gst-launch的-v参数
- 个人微信支付宝接入GOGO支付免签系统详细教程(图文)
- android图形计算器,Desmos图形计算器
热门文章
- 调用图片文件夹中的任意图片随机显示_【分享】文字、表格、公式图片识别神器V0.8...
- qq流浏览器网页版_如何使QQ浏览器浏览简洁
- buildroot自带程序(库)编译并安装
- LINUX内核下跑单片机按键,S3C2440下linux按键驱动编写及测试程序
- 浅谈OpenCL之 应用程序总体步骤思路
- group by配合“聚合函数”才有意义
- 【如意影视】运营级+完整类库+解析线路+无限增加或删减解析接口+如意可视化播放器1.1
- 大电流dcdc降压芯片20a_5V转1.8V稳压芯片,3.7V转1.8V稳压芯片
- 最近很火的人生重开模拟器HTML网页源码
- PHP导航猫网址导航系统源码V2.4.5