- 1、本文档共41页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
范文范例 学习参考
精品资料整理
Lecture 1 Introduction to Supervised Learning
(1)Expectatin Maximization(EM) Algorithm (期望值最大)
(2)Linear Regression Algorithm(线性回归)
(3)Local Weighted Regression(局部加权回归)
(4)k-Nearest Neighbor Algorithm for Regression(回归k近邻)
(5)Linear Classifier(线性分类)
(6)Perceptron Algorithm (线性分类)
(7)Fisher Discriminant Analysis or Linear Discriminant Analysis(LDA)
(8)k-NN Algorithm for Classifier(分类k近邻)
(9)Bayesian Decision Method(贝叶斯决策方法)
Lecture 2 Feed-forward Neural Networks and BP Algorithm
(1)Multilayer Perceptron(多层感知器)
(2)BP Algorithm
Lecture 3 Rudiments of Support Vector Machine
(1)Support Vector Machine(支持向量机) (此算法是重点,必考题)
此处有一道必考题
Lecture 4 Introduction to Decision Rule Mining
(1)Decision Tree Algorithm
(2)ID3 Algorithm
(3)C4.5 Algorithm
(4)粗糙集……
Lecture 5 Classifier Assessment and Ensemble Methods
Bagging
Booting
Adaboosting
Lecture 6 Introduction to Association Rule Mining
(1)Apriori Algorithms
(2)FP-tree Algorithms
Lecture 7 Introduction to Custering Analysis
(1)k-means Algorithms
(2)fuzzy c-means Algorithms
(3)k-mode Algorithms
(4)DBSCAN Algorithms
Lecture 8 Basics of Feature Selection
(1)Relief Algorithms
(2)ReliefF Algorithms
精品资料整理
(3)mRMR Algorithms最小冗余最大相关算法
(4)attribute reduction Algorithms
比较了几种分类算法性质。(以下两个表格来自两篇该领域经典论文)
Lecture 1 Introduction to Supervised Learning
(1)Expectatin Maximization(EM) Algorithm (期望值最大)
= 1 \* GB3 ①算法思想:
EM算法又称期望最大化算法,是对参数极大似然估计的一种迭代优化策略,它是一种可以从非完整的数据集中对参数进行极大似然估计的算法,应用于缺损数据,截尾数据,带有噪声的非完整数据。
最大期望算法经过两个步骤交替进行计算:
第一步计算期望(E):也就是将隐藏的变量对象能够观察到的一样包含在内,从而计算最大似然的期望值;
另外一步是最大化(M),也就是最大化在E步上找到的最大似然期望值,从而计算参数的似然估计。M步上找到的参数然后用于另一个E步计算。
重复上面2步直至收敛。
= 2 \* GB3 ②优点:1)M步仅涉及完全数据极大似然,通常计算比较简单
2)收敛是稳定的,因为每次迭代的似然函数是不断增加的。
= 3 \* GB3 ③缺点:1)表现在对缺失数据较多或是多维高斯分布的情形下,计算量大,收敛速度较慢。
2)对于某些特殊的模型,要计算算法中的M步,即完成对似然函数的估计是比较困难的。
3)在某些情况下,要获得EM算法中E步的期望显式是非常困难的。
4
您可能关注的文档
- 高考时态真题87道(带详细讲解).doc
- 高三地理上学期第一次月考试卷9.doc
- 高中数学必修三算法初步复习(附含答案解析).doc
- 高中物理_经典习题及答案解析_选修3_1.doc
- 工程质量计划.doc
- 公路桥梁和隧道工程设计安全风险评估指南(无水印版).doc
- 光伏电站典型危险点分析控制措施方案.doc
- 国家湿地公园发展案例分析报告.doc
- 海口颜春岭垃圾填埋场现状环境影响评估项目现状评估报告书.doc
- 宏脉系统使用手册大全.doc
- 北师大版五年级数学下册第一单元 分数加减法专项试卷附答案.pdf
- 《圆的周长、面积》练习题【重点】.pdf
- 河南省驻马店市驿城区2022-2023学年七年级下学期期末质量监测数学试卷(含答案).pdf
- 广东省中山市成考专升本2023年艺术概论自考测试卷(含答案).pdf
- 山西 2023年历年真题考试:国际市场营销学历年真题汇编(共186题).pdf
- 古塔区六年级下册数学期末测试卷学生专用.pdf
- 武宁县2023年三年级数学第二学期期末学业水平测试试题含解析.pdf
- 2024年消防安全的管理制度(精选篇).pdf
- 天津市北辰区六年级下册数学期末测试卷标准卷.pdf
- 2024年河南省安阳市中考二模生物试题(含答案).pdf
文档评论(0)