-
-
特征工程问题汇总
-
EM算法的E步和M步分别在计算什么?
E步:计算对于一个参数Q,它的对数似然函数的联合分布的条件概率期望,这是用到了jason不等式
M:极大化这个条件概率期望,得到一个新的参数Q1
之后在进行E步直到参数Q收敛
参考EM算法原理总结 -
逻辑回归和线性回归的比较
不同点:- 最本质的区别是逻辑回归解决的是分类问题,而线性回归解决的是回归问题
- 逻辑回归求解的是二分类问题下的对于y的一个期望概率, 线性回归最后得到的是直接对于y的近似值
- 逻辑回归的因变量y是离散的,线性回归的因变量是连续的
- 逻辑回归的因变量满足二元分布,线性回归的因变量需要满足正太分布
相同点:
- 都采用了梯度下降的方法
- 都使用了极大似然估计对训练样本建模
-
ID3 C4.5 CART三者的比较
看葫芦书P66
-
KKT条件和拉格朗日法的介绍
机器学习之面试问答题汇总
猜你喜欢
转载自blog.csdn.net/m0_37327467/article/details/88343403
今日推荐
周排行