10种主要的统计学习方法总结 |
您所在的位置:网站首页 › 统计学中分析方法包括 › 10种主要的统计学习方法总结 |
《统计学习方法》笔记 1.感知机 适用问题:二分类问题 模型特点:分离超平面 模型类型:判别模型 学习策略:极小化误分类点到超平面距离 学习的损失函数:误分类点到超平面距离 学习算法:随机梯度下降法 2.k近邻 适用问题:多类分类,回归 模型特点:特征空间,样本点 模型类型:判别模型 3.朴素贝叶斯法 适用问题:多类分类 模型特点:特征与类别的联合概率分布、条件独立假设 模型类型:生成模型 学习策略:极大似然估计,极大后验概率估计 学习的损失函数:对数似然损失 学习算法:概率计算公式,EM算法 4.决策树 适用问题:多类分类,回归 模型特点:分类树,回归树 模型类型:判别模型 学习策略:正则化的极大似然估计 学习的损失函数:对数似然损失 学习算法:特征选择,生成,剪枝 5.逻辑回归与最大熵模型 适用问题:多类分类 模型特点:特征条件下类别的条件概率分布,对数线性模型 模型类型:判别类型 学习策略:极大似然估计,正则化的极大似然估计 学习的损失函数:逻辑损失 学习算法:改进的迭代尺度算法,梯度下降,拟牛顿法 6.支持向量机 适用问题:二分类问题 模型特点:分离超平面,核技巧 模型类型:判别模型 学习策略:极小化正则化合页函数,软间隔最大化 学习的损失函数:合页损失 学习算法:序列最小优化算法(SMO) 7.提升方法 适用问题:二分类 模型特点:弱分类器的线性组合 模型类型:判别模型 学习策略:极小化加法模型的指数损失 学习的损失函数:指数损失 学习算法:前向分布加法算法 8.EM算法 适用问题:概率模型估计参数 模型特点:含隐变量概率模型 学习策略:极大似然估计,极大后验概率估计 学习的损失函数:对数似然损失 学习算法:迭代算法 9.隐马尔科夫模型 适用问题:标注 模型特点:观测序列与状态序列的联合概率分布模型 模型类型:生成模型 学习策略:极大似然估计,极大后验概率估计 学习的损失函数:对数似然损失 学习算法:概率计算公式,EM算法 10.条件随机场 适用问题:标注 模型特点:状态序列条件下观察序列的条件概率分布,对数线性模型 模型类型:判别模型 学习策略:极大似然估计,正则化极大似然估计 学习的损失函数:对数似然损失 学习算法:改进的迭代尺度算法,梯度下降,拟牛顿法 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |