GDA和Logistic方法的区别及相应的matlab代码
来源:互联网 发布:淘宝网店童装图片 编辑:程序博客网 时间:2024/06/06 01:59
由Ng的视频和讲义中可以总结出GDA方法的优劣和适用范围,然后再利用matlab进行编程,进行实战学习
GDA方法与Logistic方法的主要区别在于这两个模型的假设不同:
GDA方法假设很强:p(x|y)服从多元高斯分布,并且输入特征是连续的;
Logistic方法并没有GDA那么强的假设:它既没有要求p(x|y)服从多元高斯分布,也没有要求输入特征是连续的。
因此Logistic的适用范围比GDA更加广泛。例如:如 果输入特征符合泊松分布,则Logistic得到的结果会比GDA更加准确。如果输入特征满足GDA的要求时,既可以用Logistic方法也可以用GDA,但是在这种情况下GDA得到的结果会比Logistic方法得到的结果准确些。
GDA是一种生成学习算法,主要利用贝叶斯准则得到后验分布律p(x|y),然后通过最大后验分布对输入数据进行分类。简单地说,也就是在给定某个特征情况下,拥有此特征的数据属于哪个类的概率大 就属于哪个类。GDA的优势:由于有高斯分布的先验信息,如果确实符合实际数据,则只需要少量的样本就可以得到较好的模型。
Logistic是一种判别学习算法,判别学习法通过建立输入数据与输出信息之间的映射关系学得p(y|x),这个与生成学习法是不同的。在生成学习法中首先要确定p(x|y)和p(y)。Logistic主要是通过sigmoid函数来确定输入数据及是将如何进行分类的。Logistic的优势:具有更高的鲁棒性和对数据的分布不那么敏感(不像GDA那样需要特征服从高斯分布)。
0 0
- GDA和Logistic方法的区别及相应的matlab代码
- GDA和Logistic方法的区别及相应的python代码
- GDA 和logistic回归的联系
- 斯坦福机器学习笔记1:GDA高斯判别分析算法的原理及matlab程序实现
- 进程与线程的区别及相应的通信方法
- 高斯判别分析(GDA,Gaussian discriminant analsis)和Logistic回归
- conv2、filter2、imfilter的区别 及 conv2 matlab 代码
- logistic 回归Matlab代码
- matlab如何导入csv文件及matlab支持的数据格式,相应函数
- SVM和Logistic Regression的使用时的区别
- js 的相应方法
- Logistic Regression的OpenCV代码
- 分页代码及相应SQL效率的分析
- LDA & GDA 的原理及在定位数据预处理的应用
- 基于MFC的gda环境搭建
- 【c++】编码规范及相应的配置方法
- Android横竖屏切换方法及相应的生命周期变化
- matlab中{} ()和[] 的区别 -
- informatica 抛出ora-12592 :包错误 排查过程和解决办法
- cocos2d-js 阻挡touch事件层
- eclipse的WEB项目无理由错误
- mongodb与sql聚合操作对应图
- 【VBA研究】生成随机密码
- GDA和Logistic方法的区别及相应的matlab代码
- 最美应用-从Android研发工程师的角度之[最美时光]
- Cocos2d-x中,在过渡场景异步加载图片和声音
- IntelliJ IDEA 14 注册码
- android媒体--图库与API层MediaPlayer的交互
- HTML5 Boilerplate - 让页面有个好的开始
- 最优布线问题 解题报告
- error C2248: 'CObject::operator =' : cannot access private member declared in class 'CObject'
- 星系模拟器开发日志(一) 如何科学地用C++画图