原创 07_支持向量機1_統計學習方法

文章目錄一、支持向量機的介紹二、支持向量機模型1、何爲分類間隔(1)函數間隔(2)幾何間隔2、分類間隔最大化3、支持向量機中涉及的數學知識(1)凸函數(2)常見最優化問題(3)拉格朗日函數(4)KKT條件(5)拉格朗日對偶性(6)

原创 07_支持向量機3_統計學習方法

文章目錄五、SMO算法1、兩個變量二次規劃的求解方法(1)定義子問題(2)確定變量範圍(3)最優求解(4)計算閾值b和差值E2、變量的選擇方法(1)第1個變量的選擇(2)第2個變量的選擇3、SMO算法 支持向量機內容特別多,爲了方

原创 12_統計學習方法總結

文章目錄一、監督學習、分類方法、標註方法二、模型2.1 概率模型與非概率模型2.2 判別模型與生成模型2.3 模型特點2.4 部分模型之間的關係三、十大統計學習方法模型、策略與算法3.1 感知機3.2 KNN3.3 樸素貝葉斯法3

原创 低配置的電腦也可以裝tensorflow2

1、下載Anaconda 上面三步的鏈接,也是不錯的tf2的學習資料,朋友推薦的,還在學習中。 2、處理Bug 遇到的第一個問題:安裝tensorflow2太慢了。那個稍等片刻,真的不是片刻,是很久很久。怎麼解決呢?總不能直接卡

原创 FDDC2018_A股上市公司季度營收預測

  去年參加的阿里天池算法大賽,初賽66名,複賽最終11名。當初比賽結束並未來得及整理,擱置半年有餘。今天算是整理了一遍,放上來做個紀念,非常高興遇到的4個隊友,最讓人驚奇的是我們參賽前一天才認識,然後吹吹牛要拿什麼什麼名次,其實

原创 Python基礎----列表

文章目錄1、最基本的數據結構list1.1 列表定義1.2 “增”操作包括:append(),extend(),insert()1.3 刪除包含以下幾種方法:clear(),remove(),pop()1.4 使用python的保

原创 1_統計學習方法概論

文章目錄1.1 統計學習1.1.1 統計學習的特點1.1.2 統計學習的對象1.1.3 統計學習的目的1.1.4 統計學習的方法1.1.5 統計學習的研究1.1.6 統計學習的重要性1.2 監督學習1.2.1 基本概念1.2.1.

原创 11_條件隨機場CRF1_統計學習方法

文章目錄一、條件隨機場相關基本概念1.1 條件隨機場1.2 馬爾科夫隨機場1.2.1 馬爾科夫1.2.2 隨機場1.3 概率無向圖模型1.3.1 圖(graph)1.3.2 無向圖1.3.3 概率圖模型(probablilisti

原创 11_條件隨機場CRF2_統計學習方法

文章目錄三、條件隨機場的概率計算問題3.1 前向-後向算法3.1.1 前向向量3.1.2 後向向量3.2 一些概率與期望值的計算3.2.1 單個狀態概率3.2.2 兩個狀態的聯合概率3.2.3 一些期望四、條件隨機場的學習算法五、

原创 10_隱馬爾科夫模型HMM2_統計學習方法

文章目錄四、學習算法1、監督學習方法2、非監督學習方法(Baum-Welch算法)五、預測算法1、近似算法2、維特比算法(1)最優路徑特性(2)兩個變量(3)維特比算法流程 隱馬爾科夫模型內容較多,方便閱讀,分成2個部分 上接:1

原创 10_隱馬爾科夫模型HMM1_統計學習方法

文章目錄一、幾個基本概念1、隱馬爾可夫模型2、馬爾科夫鏈3、隨機過程4、馬爾科夫性質二、隱馬爾科夫模型1、隱馬爾科夫模型的引入2、隱馬爾科夫模型定義3、隱馬爾科夫模型的兩個假設4、觀測序列的生成過程5、隱馬爾科夫模型的3個基本問題

原创 09_期望極大法EM2_統計學習方法

文章目錄四、高斯混合模型GMM1、GMM與Adaboost比較2、GMM參數估計的EM算法(1)明確隱變量,寫出完整數據的對數似然函數(2)EM算法的E步:確定Q函數(3)EM算法的M步(4)GMM參數估計的EM算法流程五、EM算

原创 09_期望極大法EM1_統計學習方法

文章目錄一、EM算法的引入1、極大似然估計2、EM入場二、EM算法推導1、Jensen不等式2、EM推導過程(1)統計學習方法EM推導(2)Andrew NG關於EM算法的推導3、統計學習方法EM算法流程4、EM算法直觀解釋5、E

原创 08_提升方法Boosting2_統計學習方法

文章目錄三、GBDT算法1、提升樹算法(1)算法三要素(2)GBDT與AdaBoost區別2、平方損失的提升樹3、梯度提升樹(Gradient Boosting Decison Tree,簡稱GBDT)(1)GBDT迴歸算法(2)

原创 08_提升方法Boosting1_統計學習方法

文章目錄一、Boosting和集成學習介紹二、AdaBoost1、AdaBoost算法(1)AdaBoost算法的三要素(2)AdaBoost模型定義(3)AdaBoost損失函數定義(4)AdaBoost採用指數損失的原因(5)