摘要：
知识点汇总 以下所有知识点是我在期末复习过程中自己整理的，采用相似算法对比分析的方式进行总结。 从判别函数的角度分析判别函式模型与生成式模型； 根据判别函数的输出来决定待识别模式属于哪个类别，这类方法所采用的模型称作判别式模型。而对于生成式模型，以贝叶斯分类器为例，不能构造区分不同类别的判别函数，而 阅读全文
摘要：
1. 成分分析 常用的成分分析有PCA和FDA，本章主要介绍主成分分析PCA，对于FDA，只是简要介绍其主要数学思想。 进行成分分析的目的是对数据集特征进行降维，降维的好处有： 减少计算量 提高泛化能力：减少模型的参数数量。往往数据特征维度越高，模型越容易过拟合。 融入核函数的SVM，虽然是在高维特 阅读全文
摘要：
1. 非线性判别函数 本章介绍广义线判别函数与核函数，并分析他们的不同。 2. 广义线性判别函数 对于非线性问题，我们依旧可以使用线性分类器进行求解。 广义线性判别函数增加了特征的高次项，将低维特征转化为高维特征。将低维线性不可分问题转化为高维的线性可分问题，并学习到高维空间下的线性分类器，该分类器 阅读全文
摘要：
1. 线性判别函数 本章介绍的线性判别函数都归属于判别式模型，即对于分类问题，根据判别函数$g(x)$的取值进行判断，比如正数归为第一类，负数与零归为第二类。关于判别式模版与生成式模型的区别可以阅读我以前的 "博客" ，最典型的生成式模型是贝叶斯分类器，这个在之前的 "博客" 中也有介绍。 在介绍具 阅读全文