联系我们

AI 101.

生成与歧视机器学习12博下载app

mm

更新

 on

一些 机器学习12博下载app属于“生成”或“鉴别”12博下载app类别。然而,什么是和...之间的不同这两类12博下载app?12博下载app是什么意思是歧视或生成的?

简短的答案是,生成12博下载app是包括数据集的分布的那些,返回给定示例的概率。生成12博下载app通常用于预测序列中的接下来发生的内容。同时,鉴别12博下载app用于分类或回归,它们返回预测 基于条件可能性。让我们更详细地探讨生成和歧视12博下载app之间的差异,因此我们可以真正理解分隔两种类型的12博下载app以及应使用每种类型。

生成与歧视12博下载app

有多种方法可以对机器学习12博下载app进行分类。12博下载app可以被归类为属于不同类别,如:生成12博下载app,判别12博下载app,参数12博下载app,非参数12博下载app,基于树的12博下载app,基于非树的12博下载app。

本文将重点关注生成12博下载app与鉴别12博下载app之间的差异。我们将首先定义生成和歧视12博下载app,然后我们将探讨每种类型的12博下载app的一些示例。

生成12博下载app

生成12博下载app是那些中心,中心是数据集中的类分发。机器学习算法通常模拟数据点的分布。生成12博下载app依靠寻找联合概率。创建指定的输入功能和所需输出/标签同时存在的点。

生成12博下载app通常用于估计概率和可能性,建模数据点和基于这些概率的类别之间的区分。由于该12博下载app来了解数据集的概率分布,因此它可以引用此概率分布来生成新数据实例。生成12博下载app经常依赖贝叶斯定理找到联合概率,找到p(x,y)。基本上,生成12博下载app12博下载app如何生成数据,回答以下问题:

“这类或其他类生成此数据点/实例的可能性是什么?”

生成机器学习12博下载app的示例包括线性判别分析(LDA),隐马尔可夫12博下载app和贝叶斯网络,如天真贝叶斯。

歧视12博下载app

虽然生成12博下载app了解数据集的分发,歧视12博下载app了解DataSet中类之间的边界。通过歧视12博下载app,目标是识别决策边界在类之间将可靠的类标签应用于数据实例。判别12博下载app通过使用条件概率将类别分开,而不是对各个数据点的任何假设进行任何假设。

歧视12博下载app出发以回答以下问题:

“决策边界的哪一面是在这个实例中找到的?”

机器学习中的鉴别12博下载app的例子包括支持矢量机器,逻辑回归,决策树和随机森林。

生成和歧视之间的差异

以下是生成和歧视12博下载app之间的主要差异的快速破录。

生成12博下载app:

  • 生成12博下载app旨在捕获数据集中类的实际分布。
  • 生成12博下载app预测联合概率分布– p(x,y) – utilizing 贝叶斯定理.
  • 与鉴别12博下载app相比,生成12博下载app是计算昂贵的。
  • 生成12博下载app对于无监督的机器学习任务非常有用。
  • 生成12博下载app受到比辨别12博下载app的异常值的影响。

歧视12博下载app:

  • 辨别12博下载app12博下载app数据集类别的决策边界。
  • 歧视模式了解条件概率– p(y|x).
  • 与生成12博下载app相比,判别12博下载app与生成12博下载app相比是廉价的。
  • 歧视12博下载app对于监督机器学习任务是有用的。
  • 与生成型号不同,歧视12博下载app具有更强大的更强大的优点。
  • 与生成12博下载app相比,歧视性12博下载app对异常值更加强大。

我们现在将简要探讨生成和鉴别机器学习12博下载app的一些不同示例。

生成12博下载app的例子

线性判别分析(LDA)

LDA12博下载app通过估计数据集中的每个类的数据方差和均值来验证。在计算每个类的均值和差异之后,可以通过估计给定的输入集合属于给定类的概率来进行预测。

隐藏的马尔可夫12博下载app

马尔可夫链子可以被认为是具有概率的图表,表示我们将从链中的一个点移动,“状态”到另一个状态的可能性。马尔可夫链用于确定从状态j移动到状态i的概率,这可以表示为p(i,j)。这只是上述联合概率。隐藏的马尔可夫12博下载app是使用不可见的,不可观察的马尔可夫链。数据输入被提供给12博下载app和当前状态的概率以及紧接在其之前的状态用于计算最可能的结果。

贝叶斯网络

贝叶斯网络是一种概率图形12博下载app。它们代表变量之间的条件依赖性,如指向的非循环图所示。在贝叶斯网络中,图形的每个边缘表示条件依赖性,并且每个节点对应于唯一变量。图表中独特关系的条件独立性可用于确定变量的关节分布并计算联合概率。换句话说,贝叶斯网络在特定的联合概率分布中捕获独立关系的子集。

一旦创建和适当地定义了贝叶斯网络,随机变量,有条件的关系和已知的概率分布,它可以用于估计事件或结果的概率。

最常用类型的贝叶斯网络是一个天真的贝叶斯12博下载app。一个天真的贝叶斯12博下载app通过将所有特征与彼此独立的所有功能进行处理,处理具有许多参数/变量的数据集概率的挑战。

歧视12博下载app的例子

支持矢量机器

支持矢量机器通过在数据点之间绘制决策边界来操作,找到最佳分隔数据集中不同类的决策边界。 SVM算法绘制分别的线路或超平面,分别为二维空间和3D空间分开。 SVM努力找到最佳分隔类的线/超平面,尝试最大化余量,或线/超平面之间的距离到最接近的点。 SVM型号也可以用于数据集,通过使用“内核特征”来识别非线性决策边界而不是线性可分离的。

物流回归

物流回归是一种算法,它使用Logit(log-odds)函数来确定输入的概率在两个状态之一中。 SIGMOID函数用于“将”朝向0或1,TRUE或FALST的概率“。假设大于0.50的概率是第1类,而假设概率为0.49或更低。出于这个原因,逻辑回归通常用于二进制分类问题。然而,可以通过使用一个方法来应用逻辑回归来应用于多级问题,为每个类创建二进制分类12博下载app,并确定示例是目标类中的概率或数据集中的其他类。

决策树

A 决策树12博下载app函数通过将数据集拆分为更小和更小的部分,并且一旦子集无法分割任何进一步,结果就是一个带节点和叶子的树。决策树中的节点是使用不同的过滤标准进行关于数据点的决策的位置。决策树中的叶子是已分类的数据点。决策树算法可以处理数值和分类数据,树中的拆分基于特定的变量/特征。

随机森林

A 随机森林12博下载app基本上只是一系列决策树,在那里平均对各种树木的预测来实现最终决定。随机林算法随机选择观察和功能,基于这些选择构建各个树。

本教程文章将探索如何在Matplotlib中创建一个盒子绘图。框图用于可视化数据集的摘要统计信息,显示像数据的范围和分布等分布的属性。

Blogger和Programmer有专业的机器学习深度学习话题。丹尼尔希望帮助别人利用AI的力量来社交。