李宏毅机器学习2016 第二十讲 结构化线性模型
2018-01-20 17:47
411 查看
视频链接:李宏毅机器学习(2016)_演讲•公开课_科技_bilibili_哔哩哔哩
课程资源:Hung-yi Lee
课程相关PPT已经打包命名好了:链接:https://pan.baidu.com/s/1c3Jyh6S 密码:77u5
我的第十九讲笔记:李宏毅机器学习2016 第十九讲 结构化学习简介
本章主要讲解了结构化线性模型的求解。
1.结构化线性模型(Structured Linear Model)
在第十九讲最后,结构化模型问题通常有三个问题。解决了这三个问题,就可以成功解决结构化学习问题。当问题1中的F(x,y)是一个特有的形式时,问题3就很容易解决。
2.问题1(Problem 1)
在结构化线性模型中,问题1将模型定义为线性的。将x和y用一些特征characteristics来表示。
再将其乘上权值,线性组合起来形成F(x,y)。
举例目标检测。
x为图像,y为边界框,上图中所示的特征是随便取的某些特征。当然可以用CNN卷积神经网络,深度学习的方法来提取特征。这样提取的特征是能work的。
当然其他的文档总结(Document Summarization)、图像搜索(Image Retrieval)同样也可以应用。
3.问题2(problem 2)
在这里,我们假定已经解决了这个问题。能够解出最大化问题。
4.问题3(Problem 3)
给定训练数据,能够训练出满足要求的权值。该权值满足对于所有的训练样本,所有的不正确的样本与权值乘积和值要小于正确样本与权值乘积和。
直观上来看此类问题很难,其实不然。
算法如上所示,和感知器(Perceptron)学习方法有点类似,且此方法是能够收敛的。关于为何能收敛涉及太多的数学知识就不进行说明了。
5.总结
通过分析结构化线性模型的三个问题,最终可以将其由三个问题简化为2个问题。问题变成了如何提取特征以及怎样找到最大值。
课程资源:Hung-yi Lee
课程相关PPT已经打包命名好了:链接:https://pan.baidu.com/s/1c3Jyh6S 密码:77u5
我的第十九讲笔记:李宏毅机器学习2016 第十九讲 结构化学习简介
Structured Linear Model
本章主要讲解了结构化线性模型的求解。1.结构化线性模型(Structured Linear Model)
在第十九讲最后,结构化模型问题通常有三个问题。解决了这三个问题,就可以成功解决结构化学习问题。当问题1中的F(x,y)是一个特有的形式时,问题3就很容易解决。
2.问题1(Problem 1)
在结构化线性模型中,问题1将模型定义为线性的。将x和y用一些特征characteristics来表示。
再将其乘上权值,线性组合起来形成F(x,y)。
举例目标检测。
x为图像,y为边界框,上图中所示的特征是随便取的某些特征。当然可以用CNN卷积神经网络,深度学习的方法来提取特征。这样提取的特征是能work的。
当然其他的文档总结(Document Summarization)、图像搜索(Image Retrieval)同样也可以应用。
3.问题2(problem 2)
在这里,我们假定已经解决了这个问题。能够解出最大化问题。
4.问题3(Problem 3)
给定训练数据,能够训练出满足要求的权值。该权值满足对于所有的训练样本,所有的不正确的样本与权值乘积和值要小于正确样本与权值乘积和。
直观上来看此类问题很难,其实不然。
算法如上所示,和感知器(Perceptron)学习方法有点类似,且此方法是能够收敛的。关于为何能收敛涉及太多的数学知识就不进行说明了。
5.总结
通过分析结构化线性模型的三个问题,最终可以将其由三个问题简化为2个问题。问题变成了如何提取特征以及怎样找到最大值。
相关文章推荐
- [机器学习入门] 李宏毅机器学习笔记-25(Sturctured Linear Model;结构化预测-线性模型)
- 李宏毅机器学习2016 第四讲 分类:概率生成模型
- 李宏毅机器学习2016 第十二讲 无监督学习:线性维数约减
- 李宏毅机器学习2016 第十九讲 结构化学习简介
- 李宏毅机器学习2016 第十五讲 无监督学习 生成模型之 VAE
- 从统计学角度来看深度学习(1):递归广义线性模型
- 牛顿方法、指数分布族、广义线性模型—斯坦福ML公开课笔记4
- R语言学习(1)线性模型
- 台大林轩田《机器学习基石》学习笔记:线性模型三(Multiclass Prediction)
- Barra 结构化风险模型实现(1)——沪深300指数的风格因子暴露度分析
- SPSS统计分析过程包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、多重响应等几大类
- 第三章 线性模型
- GLM(广义线性模型) 与 LR(逻辑回归) 详解
- 从线性模型到广义线性模型(2)——参数估计、假设检验
- 【Scikit-Learn 中文文档】广义线性模型 - 监督学习 - 用户指南 | ApacheCN
- 【Scikit-Learn 中文文档】广义线性模型 - 监督学习 - 用户指南 | ApacheCN
- 对线性模型进行最小二乘法学习
- Qt容器类的对象模型及应用(线性结构篇)(好多图,比较清楚)
- 初学ML笔记N0.1——线性回归,分类与逻辑斯蒂回归,通用线性模型
- 初学ML笔记N0.1——线性回归,分类与逻辑斯蒂回归,通用线性模型