-
模式识别与机器学习复习 | 第4讲
零、本节目标
一、线性回归的基本思想
用训练样本集估计模型中的参数，使模型在最小平方误差意义下能够最好地拟合训练样本。
例题
二、线性判别函数基本概念
表达式
决策规则
方程 g(x)=0 定义了一个决策面，它把归类于ω1类的点和归类于ω2的点分隔开。当g(x)为线性函数时，这个决策面是超平面。三、Fisher线性判别分析方法（没怎么说）
简述Fisher准则函数
Fisher线性判别
可以考虑把d维空间的样本投影到一条直线上，形成一维空间，即把维数压缩到一维，这在数学上容易办到。然而，即使样本在d维空间里形成若干紧凑的互相分得开的集群，如果把它们投影到一条任意的直线上，也可能使得几类样本混在一起而变得无法识别。 但是在一般情况下， 总可以找到某个方向， 使得在这个方向的直线上，样本的投影能分开得最好。问题是如何根据实际情况找到这条最好的、最易于分类的投影线，这就是Fisher算法所要解决的基本问题。
四、感知器基本原理（没怎么说）
梯度下降算法（老师没强调）
算法原理
- 定义代价函数
- 选择起始点
- 计算梯度
- 按学习率前进
- 重复第三步直至找到函数最小值
五、最优分类超平面（重点强调了模型，考了）
-
超平面的判断
-
优化函数
-
求解不重要
六、线性支持向量机（没怎么说）
补充：线性分类器的三种最优准则（没怎么说）
-
相关阅读:
JAVA春运出行铁路路线规划推荐系统计算机毕业设计Mybatis+系统+数据库+调试部署
golang 求立方根
Centos 7 - uWSGI服务器 虚拟环境配置详解及 .ini 文件配置模板 - No module named ‘encodings - uWSGI服务器无法识别虚拟环境内的python解释器
一文了解Android App Bundle 格式文件
C和指针 第14章 预处理器 14.1 预定义符号
20天深度复习JavaSE的详细笔记(十六)——File、递归、IO流
【JavaEE】_ajax构造HTTP请求
哈希函数2：用于哈希表的存储和扩容
数据结构：队列
.360勒索病毒和.halo勒索病毒数据恢复|金蝶、用友、ERP等数据恢复
- 原文地址：https://blog.csdn.net/weixin_52116519/article/details/127375576