三、对数几率回归 3.1 二分类模型 3.2 参数估计 3.3 多分类模型 三、对数几率回归 线性回归不仅可以用于回归任务，还可以用于分类任务。 3.1 二分类模型 考虑二分类问题。 给定数据集 。 考虑到 取值是连续的，因此它不能拟合离散变量。 可以考虑用它来拟合条件概率 ，因为概率的取值也是连续的。 但是对于 （若...

5 朴素贝叶斯分类器 5 朴素贝叶斯分类器 在朴素贝叶斯分类器中，每个特征都得到发言权，来确定哪个标签应该被分配到一个给定的输入值。为一个输入值选择标签，朴素贝叶斯分类器以计算每个标签的先验概率开始，它由在训练集上检查每个标签的频率来确定。之后，每个特征的贡献与它的先验概率组合，得到每个标签的似然估计。似然估计最高的标签会分配给输入值。5.1 说明了...

字符列表 随机整数 随机字符串 概率性计算 grand 模块实现了对随机数操作的封装和改进，实现了极高的随机数生成性能，提供了丰富的随机数相关操作方法。 使用方式： import "github.com/gogf/gf/v2/util/grand" 接口文档： https://pkg.go.dev/github.com/gogf/g...

字符列表 随机整数 随机字符串 概率性计算 grand 模块实现了对随机数操作的封装和改进，实现了极高的随机数生成性能，提供了丰富的随机数相关操作方法。 使用方式： import "github.com/gogf/gf/v2/util/grand" 接口文档： https://pkg.go.dev/github.com/gogf/g...

9.4 结合策略 9.4.1 平均法（回归问题） 9.4.2 投票法（分类问题） 9.4.3 学习法 9.4 结合策略 结合策略指的是在训练好基学习器后，如何将这些基学习器的输出结合起来产生集成模型的最终输出，下面将介绍一些常用的结合策略： 9.4.1 平均法（回归问题） 易知简单平均法是加权平均法的一种特例，加权平均...

3.13 丢弃法 3.13.1 方法 3.13.2 从零开始实现 3.13.2.1 定义模型参数 3.13.2.2 定义模型 3.13.2.3 训练和测试模型 3.13.3 简洁实现 小结 参考文献 3.13 丢弃法 除了前一节介绍的权重衰减以外，深度学习模型常常使用丢弃法（dropout）[1] 来应对过拟合问题。丢弃法有一些不同的...

字符列表 随机整数 随机字符串 概率性计算 grand 模块实现了对随机数操作的封装和改进，实现了极高的随机数生成性能，提供了丰富的随机数相关操作方法。 使用方式： import "github.com/gogf/gf/v2/util/grand" 接口文档： https://pkg.go.dev/github.com/gogf/g...

grand 随机数模块 字符列表 随机整数 随机字符串 概率性计算 grand 随机数模块 grand 模块实现了对随机数操作的封装和改进，实现了极高的随机数生成性能，提供了丰富的随机数相关操作方法。 使用方式： import "github.com/gogf/gf/util/grand" 接口文档： https://go...

四、EM 算法与 kmeans 模型 四、EM 算法与 kmeans 模型 kmeans 算法：给定样本集 ， 针对聚类所得簇划分 ， 最小化平方误差： 其中 是簇 的均值向量。 定义观测随机变量为 ，观测数据为 。定义隐变量为 ，它表示 所属的簇的编号。设参数 ， 则考虑如下的生成模型： 其中 表示距离 最近的中心...

Distribution Distribution class paddle.distribution. Distribution [源代码] 概率分布的抽象基类，在具体的分布中实现具体功能。 sample ( ) 从分布中采样 entropy ( ) 分布的信息熵 log_prob ( value ) 对数概率密度函数 参数： ...