Python与机器学习之模型结构(生成学习算法)
2017-11-13 17:01
363 查看
Python与机器学习之模型结构(生成学习算法)
引言
在前面我们谈论到的算法都是在给定x的情况下直接对p(y|x;Θ)进行建模。例如,逻辑回归利用hθ(x) = g(θ^Tx)对p(y|x;Θ)建模。如果换个思路,首先根据大象(y=1)的特征来学习出一个大象的模型,然后根据狗(y=0)的特征学习出狗的模型,最后对于一个新的样本,提取它的特征先放到大象的模型中求得是大象的概率,然后放到狗的模型中求得是狗的概率,最后我们比较两个概率哪个大,即确定这个动物是哪种类型。也即求p(x|y)(也包括p(y)),y为输出结果,x为特征。
上面介绍了那么多,现在我们来试着定义这两种解决问题的方法:
判别学习算法(discriminative learning algorithm):直接学习p(y|x)或者是从输入直接映射到输出的方法
生成学习算法(generative learning algorithm):对p(x|y)(也包括p(y))进行建模。
好文章
查阅了那么多的资料以及看斯坦福机器学习课程,发现有位大牛已经总结整理好了。- 生成学习算法(Generative Learning algorithms)
内容有:
- 高斯判别分析(Gaussian Discriminant Analysis)
- 朴素贝叶斯(Naive Bayes)
- 拉普拉斯平滑(Laplace smoothing)
总结
遇到分类问题时,朴素贝叶斯往往运作良好,正因为它简单清晰,值得第一步算法尝试。
如果您看到这篇文章有收获或者有不同的意见,欢迎点赞或者评论。 python群:190341254 丁。
相关文章推荐
- 机器学习-生成学习算法
- 【机器学习-斯坦福】学习笔记5 - 生成学习算法
- 机器学习之(二)OpenAI 生成模型聚焦无监督学习
- Stanford大学机器学习公开课(五):生成学习算法、高斯判别、朴素贝叶斯
- 机器学习实验(十二):深度学习之图像分类模型AlexNet结构分析和tensorflow实现
- 【斯坦福---机器学习】复习笔记之生成学习算法
- 机器学习经典算法详解及Python实现--CART分类决策树、回归树和模型树
- Python机器学习库SKLearn:监督学习之广义线性模型
- 【学习笔记】斯坦福大学公开课(机器学习) 之生成学习算法:GDA
- 生成学习算法之高斯判别分析模型
- 【学习笔记】斯坦福大学公开课(机器学习) 之生成学习算法:朴素贝叶斯
- 生成目录结构算法的bash, perl和python实现
- 【斯坦福---机器学习】复习笔记之生成学习算法
- 文档主题生成模型(LDA)算法原理及Spark MLlib调用实例(Scala/Java/python)
- 一个无聊男人的疯狂《数据结构与算法分析-C++描述》学习笔记 用C++/lua/python/bash的四重实现(7)习题2.8 随机数组的三种生成算法
- 机器学习笔记4——生成学习算法
- 生成学习算法、高斯判别分析与朴素贝叶斯模型
- 数据结构与算法学习笔记--计算模型
- 【机器学习-斯坦福】学习笔记5 - 生成学习算法
- 步步学习之用python实战机器学习1-kNN (K-NearestNeighbors)算法(a)