AI技术百科
494浏览
1点赞
bayesian Network 贝叶斯网
贝叶斯网络(Bayesian network),又称信念网络(Belief Network),或有向无环图模型(directed acyclic graphical model),是一种概率图模型,于1985年由Judea Pearl首先提出。它是一种模拟人类推理过程中因果关系的不
11-01 17:51
1794浏览
1点赞
Mean Squared Error 均方误差
MSE (Mean Squared Error)叫做均方误差。看公式这里的y是测试集上的。用 真实值-预测值 然后平方之后求和平均。猛着看一下这个公式是不是觉得眼熟,这不就是线性回归的损失函数嘛!!! 对,在线性回归的时候我们
11-01 18:00
1908浏览
3点赞
SOM 自组织映射神经网络
自组织映射(Self-organizing map, SOM)通过学习输入空间中的数据,生成一个低维、离散的映射(Map),从某种程度上也可看成一种降维算法。SOM是一种无监督的人工神经网络。不同于一般神经网络基于损失函数的反向传递来
11-01 20:32
699浏览
1点赞
欠采样(undersampling)和过采样(oversampling)
当二分类数据不均衡时会影响模型的输出,此时需要对数据进行处理。1:为什么类别不平横会影响模型的输出:许多模型的输出类别是基于阈值的,例如逻辑回归中小于0.5的为反例,大于则为正例。在数据不平衡时,默认的阈
11-01 22:24
381浏览
0点赞
分层抽样 Stratified sampling
统计学理论中,分层抽样针对的是对一个总体(population)进行抽样的方法。尤其适用于当总体内部,子总体(subpopulations)间差异较大时。每一个 subpopulation,也称为层(stratum)。L|表示层的数量,其中 分别指
11-01 22:33
415浏览
1点赞
符号主义 Symbolism
符号主义是人工智能领域中坚信数理逻辑的一个流派。数理逻辑从 19 世纪末起得以迅速发展,到 20 世纪 30 年代开始用于描述智能行为。计算机出现后,又在计算机上实现了逻辑演绎系统。其有代表性的成果为启发式程序 L
11-01 22:34
429浏览
0点赞
强化学习之 score function
score function定义,就是说score function是求最大对数似然函数中让对数似然函数梯度等于0的梯度。就是说,求解最大似然问题就是求解score function2、再对参数求导,就会得到Fisher Information ,FIM是SF的负导数
11-01 22:37
408浏览
0点赞
multiple linear regression 多元回归分析
1.与简单线性回归区别(simple linear regression) 多个自变量(x)2. 多元回归模型y=β0+β1x1+β2x2+ … +βpxp+ε其中:β0,β1,β2… βp是参数ε是误差值3. 多元回归方程E(y)=β0+β1x1+β2x2+ … +βpxp4.
11-02 16:41
378浏览
0点赞
Inductive learning 归纳式学习
Inductive learning (归纳式学习)。归纳是从已观测到的数据到一般数据的推理,归纳学习即我们平时所说的监督学习,使用带有标签的数据进行模型训练,然后使用训练好的模型预测测试集数据的标签,训练集数据不包含测
11-02 16:43
424浏览
0点赞
Transductive learning 直推式学习
Transductive learning (直推式学习)。直推是从观测到的特定数据到特定数据的推理。直推学习与归纳学习不同的是,训练数据和测试数据在之前都已经可以观测,我们从已知的训练数据学习特征来预测测试集标签。即使我们
11-02 16:44
402浏览
0点赞
规则学习 Rule Learning
规则学习是可对未见示例进行判别的规则,通常是由训练数据集的学习获得,其通常是 IF-THEN 规则,属于非监督学习的一种,常用被归属为分类的一种。规则学习中的规则规则:语义明确,可描述数据分布所隐含的客观规律
11-02 16:46
478浏览
0点赞
声学模型 acoustic mode
在这个模块,我们会讨论语音识别引擎里的声学(acoustic)模型。在今天的主流语音识别系统中,声学模型是一个混合(hybrid)模型,它包括用于序列跳转的隐马尔可夫模型(HMM)和根据当前帧来预测状态的深度神经网络。HMM是
11-02 16:49
450浏览
1点赞
分类回归树 CART
分类回归树(CART,Classification And Regression Tree)也属于一种决策树,这里只介绍CART是怎样用于分类的。分类回归树是一棵二叉树,且每个非叶子节点都有两个孩子,所以对于第一棵子树其叶子节点数比非叶子节点数
11-02 16:52
780浏览
1点赞
负对数似然 negative log-likelihood
似然函数(likelihood function)在机器学习中,似然函数是一种关于模型中参数的函数。“似然性(likelihood)”和概率(probability)词意相似,但在统计学中它们有着完全不同的含义:概率用于在已知参数的情况下,预测接
11-02 17:02
677浏览
1点赞
特征分解 Eigendecomposition
特征分解(Eigendecomposition),又称谱分解(Spectral decomposition)是将矩阵分解为由其特征值和特征向量表示的矩阵之积的方法。需要注意只有对可对角化矩阵才可以施以特征分解。N 维非零向量 v 是 N×N 的矩阵
11-02 17:08
1882浏览
2点赞
独立同分布(iid,independently identically distribution)
独立同分布(iid,independently identically distribution)在概率统计理论中,指随机过程中,任何时刻的取值都为随机变量,如果这些随机变量服从同一分布,并且互相独立,那么这些随机变量是独立同分布。独立同分
11-02 17:12
455浏览
1点赞
人工智能 —— 知识图谱
初学者刚开始学习人工智能时,面对铺天盖地的概念,如,人工智能、机器学习、深度学习、计算机视觉等等,一时间可能就被这些“高深”的名称给唬住了,不知道如何下手。又或者有些同学在学习了很长时间后,问他学习的
11-17 11:59
375浏览
0点赞
一个简单的决策模型
单个的感知器构成了一个简单的决策模型,已经可以拿来用了。真实世界中,实际的决策模型则要复杂得多,是由多个感知器组成的多层网络。上图中,底层感知器接收外部输入,做出判断以后,再发出信号,作为上层感知器的
11-27 17:42
392浏览
0点赞
神经网络的运作过程
一个神经网络的搭建,需要满足三个条件。输入和输出权重(w)和阈值(b)多层感知器的结构也就是说,需要事先画出上面出现的那张图。其中,最困难的部分就是确定权重(w)和阈值(b)。目前为止,这两个值都是主观给
11-27 17:43
410浏览
1点赞
神经网络的例子
下面通过车牌自动识别的例子,来解释神经网络。所谓车牌自动识别,就是高速公路的探头拍下车牌照片,计算机识别出照片里的数字。这个例子里面,车牌照片就是输入,车牌号码就是输出,照片的清晰度可以设置权重(w)
11-27 17:43