一. 为什么引入EM 1. 最大似然估计（MLE） （1）已知：① 一堆观测数据X ② 数据服从的统计模型 估计...

一. 概述 1.神经元生物模型 （1）结构：许多树突（dendrite）用于输入，一个轴突（axon）用于输出。 （2）特性：兴奋性和传导性。兴...

一. 广义线性模型（generalized linear model） 1.线性回归（Linear Regression）——回归算法 （1）因...

一. 信息论 1. 熵（entropy） （1）熵：随机变量 不确定性 的 度量 （2）数据：信息+噪音 ①信息：消除不确定性（熵） ②噪音：干...

一. k-NN算法【有监督】 1. 概念 (1) 原理：K近邻是一种多类划分的模型，基于实例，不需要训练。当一个样本与数据集中的k个样本最相近时...

一. 贝叶斯定理 1. 为了解决“逆概率”问题，而提出了贝叶斯定理：在有限的已知信息下，回推出概率 2. (1) A：要求解信息，B：已知信息 ...

一. 概念 1. 模型 感知机是二分类的线性分类模型，旨在求出将输入实例划分为两类的分离超平面，是神经网络与支持向量机的基础。 ...

一. 支持向量 1.线性可分样本集 (1) 定义：，有： ①若 ② (2) 证明：有一条直线可实现二分类，有...