《统计学习方法》笔记（一）
模型 学习策略 风险函数 判别/生成 感知机 误分类点到超平面的总距离 经验风险最小化 判别模型 K近邻 误分类的概率 经验风险最小化 判别模型 朴素贝叶斯法 后验概率最大化 极大似然估计：期望风险最小化；贝叶斯估计:结构风险最小化 生成模型 决策树 选取信息增益最大的特征分类 结构风险最小化 判别模型 监督学习和无监督学习 我的理解是，是否有监督（supervised），就看输入数据是否有标签（
相关文章
- 1. 统计学习方法笔记（一）
- 2. 《统计学习方法》学习笔记
- 3. 统计学习方法笔记——第一章 统计学习方法概论（3）
- 4. 统计学习方法笔记——第一章 统计学习方法概论（2）
- 5. 统计学习方法笔记（一）统计学习方法简介
- 6. 统计学习方法笔记 -- 概论
- 7. 统计学习方法笔记（三）
- 8. 统计学习方法笔记（十四）
- 9. 统计学习方法笔记
- 10. 《统计学习方法》笔记——PCA
- 更多相关文章...
- • 您已经学习了 XML Schema，下一步学习什么呢？ - XML Schema 教程
- • 我们已经学习了 SQL，下一步学习什么呢？ - SQL 教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • Kotlin学习（一）基本语法
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. 统计学习方法笔记（一）
- 2. 《统计学习方法》学习笔记
- 3. 统计学习方法笔记——第一章 统计学习方法概论（3）
- 4. 统计学习方法笔记——第一章 统计学习方法概论（2）
- 5. 统计学习方法笔记（一）统计学习方法简介
- 6. 统计学习方法笔记 -- 概论
- 7. 统计学习方法笔记（三）
- 8. 统计学习方法笔记（十四）
- 9. 统计学习方法笔记
- 10. 《统计学习方法》笔记——PCA