李宏毅机器学习笔记（四）Classification: Probabilistic Generative Model

本文主要是介绍李宏毅机器学习笔记（四）Classification: Probabilistic Generative Model，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

                   分类。概率生成模型

binary二进制

理想的做法

二分：大于0和小于0越好

损失函数 ：错误次数越少

现有函数： perceptron感知机  SVM支持向量机

用回归来做二分不好的原因 数据偏移大时 结果不好分类

生成概率模型(GenerativeModel)

 高斯分布 (Gaussian distribution)

covariance matrix   协方差

mean平均值

Maximum Likelihood 极大似然估计方法

用这个方法查找Σ和μ

穷举所有Σ和μ找出最能估计的 

accuracy精度

 Probability Distribution概率分布

Probability Distribution

这篇关于李宏毅机器学习笔记（四）Classification: Probabilistic Generative Model的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---