【Mark Schmidt課件】機器學習與資料探勘——MLE與MAP

梅花香——苦寒來發表於2018-11-09
機器學習

本課件的主要內容包括：

  1. 上次課程回顧：多元線性分類器

  2. 決策邊界形狀

  3. 識別重要電子郵件

  4. Sigmoid函式

  5. 最大似然估計MLE

  6. 最小化負對數似然NLL

  7. 樸素貝葉斯的MLE

  8. 有監督學習的MLE

  9. Logistic迴歸的MLE解釋

  10. 損失函式與最大似然估計

  11. 最大似然估計與過度擬合

  12. 最大後驗概率MAP估計

  13. MAP估計與正則化

  14. L2正則化與MAP估計

  15. 正則化其它模型

  16. 為什麼我們關心MLE與MAP？

  17. 討論：最小二乘與高斯假設

  18. 拖尾比較

  19. 多元Logistic迴歸

  20. 二元 vs. 多元Logistic

  21. 序號標籤

  22. 計數標籤

  23. 非平衡訓練集

  24. 非平衡資料與極值損失

  25. 概率比值的損失函式

在這裡插入圖片描述

在這裡插入圖片描述

英文原文課件下載地址：

http://page5.dfpan.com/fs/8l8c9j72e29142e9163/

更多精彩文章請關注微訊號：在這裡插入圖片描述

相關文章