机器学习：李宏毅：概率分布生成概率模型
1.概率分布 由于前面学习的是回归，因此我们通过回归的方法来查看概率分布 分类是class 1 的时候结果是1 分类为class 2的时候结果是-1； 测试时，如果结果接近1的是class1 ，如果结果接近-1的是class2。 但是呢，这只是看起来很美丽，但是如果当结果远远大于1的时候，他的分类应该是class1还是class2呢？ 我们为了降低整体误差，需要调整已经找到的分类函数，这样会导致实
相关文章
- 1. 李宏毅机器学习课程４~~~分类：概率生成模型
- 2. 李宏毅机器学习2016 第四讲 分类：概率生成模型
- 3. [机器学习入门] 李宏毅机器学习笔记-5（Classification- Probabilistic Generative Model；分类：概率生成模型）
- 4. 分类模型：概率生成、朴素贝叶斯和逻辑回归 |李宏毅机器学习【5】
- 5. 4、【李宏毅机器学习（2017）】Classification- Probabilistic Generative Model（分类-概率生成模型）
- 6. [机器学习入门] 李宏毅机器学习笔记-5（Classification- Probabilistic Generative Model；分类：几率生成模型）
- 7. 李宏毅深度学习笔记（五）分类：概率生成模型(Probabilistic Generative Model)——朴素贝叶斯
- 8. 概率生成模型
- 9. 概率图模型 - 机器学习ML
- 10. 机器学习--概率图模型
- 更多相关文章...
- • 屏幕分辨率 统计 - 浏览器信息
- • 高屏幕分辨率 统计 - 浏览器信息
- • Kotlin学习（二）基本类型
- • 使用Rxjava计算圆周率
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 李宏毅机器学习课程４~~~分类：概率生成模型
- 2. 李宏毅机器学习2016 第四讲 分类：概率生成模型
- 3. [机器学习入门] 李宏毅机器学习笔记-5（Classification- Probabilistic Generative Model；分类：概率生成模型）
- 4. 分类模型：概率生成、朴素贝叶斯和逻辑回归 |李宏毅机器学习【5】
- 5. 4、【李宏毅机器学习（2017）】Classification- Probabilistic Generative Model（分类-概率生成模型）
- 6. [机器学习入门] 李宏毅机器学习笔记-5（Classification- Probabilistic Generative Model；分类：几率生成模型）
- 7. 李宏毅深度学习笔记（五）分类：概率生成模型(Probabilistic Generative Model)——朴素贝叶斯
- 8. 概率生成模型
- 9. 概率图模型 - 机器学习ML
- 10. 机器学习--概率图模型