《统计学习方法》笔记01:总结概括
来源:互联网 发布:设计软件培训 编辑:程序博客网 时间:2024/06/06 20:54
概述
记笔记应该从学习初始开始。但自己喜欢在纸上抄录笔记,主要是写写画画,标注,想法等可随意添加,比较方便。但纸质笔记终不如电子笔记记录长远。今天把《统计学习方法》未看的最后一节《支持向量机》学习完毕。全书基本过了一遍,开始些博客笔记。
当初开始看条件随机场的时候,先看的是周志华老师的《机器学习》即著名的西瓜书,概率图模型只有一章,到单独讲CRF就只有一节。于是开始看李航老师的《统计学习方法》第10、11章。
总的感受:这本书非常注重数学基础,概率论、线性代数等作者随手拈来,讲的比较深,推导过程很仔细。而西瓜书似乎更科普性一些。这本书讲了10种主要模型,在广度上不及西瓜书。
10种方法概括
1.感知机
(1)感知机,判别模型。根据输入实例的特征向量
(2)感知机模型,对应于特征空间中的分离超平面
(3)感知机的学习策略是极小化损失函数:
损失函数对应于:误分类点到分离超平面的距离之和。
(4)感知机的学习算法:基于随机梯度下降法的对损失函数的最优化方法。算法开始任意选取一个超平面
(5)学习算法有原始形式和对偶形式。
a.原始形式:简单。每次对
b.对偶形式:每次更新
(6)当训练集线性可分时,感知机学习算法收敛,必能找到一个超平面正确分类。感知机算法在训练集上的误分类次数有上限。线性可分时,存在无穷多个解,因为初值不同或迭代顺序不同而有所不同。
(7)总体上感觉,感知机是SVM的一个特殊简单案例。
2.k邻近法/k-NN
(1)基本且简单的分类与回归方法。基本做法是:对给定的训练点和输入点,首先确定训练点中距离待预测点最邻近的
(2)k邻近模型对应于基于训练点对特征空间的一个划分(类比乌龟背,一块一块的)。当训练点,距离度量,
(3)k邻近法的三要素:距离度量,
(4)k邻近法实现时需要考虑:如何快速搜索
3.朴素贝叶斯法
待续…
- 《统计学习方法》笔记01:总结概括
- 统计学习方法概括
- 统计学习方法 笔记与总结 决策树
- 《统计学习方法,李航》:12、统计学习方法总结
- 统计学习方法-学习总结
- 统计学习方法第一章总结
- 统计学习方法笔记--第一章统计学习方法概论
- 统计学习方法笔记1--统计学习方法概论
- 《统计学习方法》阅读笔记
- [笔记]统计学习方法
- 《统计学习方法》学习笔记
- 统计学习方法~笔记1
- 统计学习方法笔记
- 《统计学习方法》--学习笔记
- 统计学习方法笔记 -- 概论
- 《统计学习方法》笔记-第一章
- 《统计学习方法》笔记一
- 统计学习方法笔记:决策树
- unity_随笔_MyDelay
- 头结点链表的三种插入结点方式
- 02.java中jdk,jre,jvm 的区别
- lintcode491.回文数
- java.util.concurrent解析——AbstractQueuedSynchronizer队列管理
- 《统计学习方法》笔记01:总结概括
- synchronize和ReentrantLock
- 1 A
- Snort安装
- L2-016. 愿天下有情人都是失散多年的兄妹
- 最少转机-图的广度优先遍历
- solr简介
- Action class [路径] not found
- 小结 | 整型和浮点型数据在内存中的存储