machine-learning-notes
目录
数学基础
微积分
概率论
数理统计
线性代数
数值线性代数
最优化算法
凸集理论
凸集
凸函数
凸优化
约束优化
等式约束优化
不等式约束
罚函数法
增广Largrangian乘子法
ADMM
投影梯度法
无约束优化
一阶算法
基础
梯度下降算法
信頼域
共轭梯度法
nesterov-涅斯捷罗夫
二阶算法
牛顿法系列
牛顿法补充
owl-qn
坐标下降法
非平滑凸函数
次梯度
PGD
ISTA
FISTA
原始对偶内点法
优化碎碎念
随机梯度下降
优化理论的总结
对偶理论
逻辑回归
逻辑回归工程化
softmax
逻辑回归代码
线性回归
一元线性回归
广义线性模型
多元线性回归
收缩方法
lasso补充
岭回归代码
线性回归代码
lasso回归
最大熵模型
信息熵
最大熵
决策树
决策树-基本概念
决策树-算法
随机森林
集成方法
Boosting
boosting-基础
boosting-提升树
boosting-GBDT
XBOOST
SVM
SVN-基础
SVM-线性SVM
SVM-线性支持向量机
SVM-非线性
SVM-SMO
=================
降维
LDA分类器
PCA
SVD
NMF
聚类
聚类基础
kmeans
层次聚类
密度聚类
谱聚类
==================
概率图模型
概率分布
贝叶斯基础
生成模型与判别模型
贝叶斯线性回归与逻辑回归
朴素贝叶斯
朴素贝叶斯代码
EM算法
PLSA模型
LSA
plsa
LDA模型
LDA-概率分布
LDA-采样
LDA-文本建模
LDA-LDA建模
GIBBS实现
Gibbs实现的碎碎念
变分推断-基础
变分推断-原理
变分-碎碎念
变分-LDA
HMM
HMM-基本概念
HMM-概率计算
HMM-学习问题
HMM-预测问题
CRF
CRF-基础
CRF-条件随机场
CRF-概率计算
CRF-学习算法
CRF-预测算法
=================
特征工程
特征工程-例子
特征选择
模型优化
模型评估
模型评估碎碎念
交叉测试
机器学习理论
=================
异常检测
关联规则
Aprior算法
FP-growth算法
代码
python基础
knn
python_线性回归
python_逻辑回归
python_最大熵
python_决策树
python_随机森林
python-GBDT
Powered by
GitBook
CRF
CRF-条件随机场
1. 基础
条件随机场(crf):给定随机变量X条件下,随机变量Y的马尔科夫随机场;
主要介绍:定义在线性链上的特殊的条件随机场(线性条件随机场)
* 应用
标注问题
* 条件随机场
* 线性条件随机场
定义
2. CRF的参数化形式(建模)
由因子分解可得
* 例子
3. 简化形式
* 使用统一的函数记号表达特征
* 简化形式
3. CRF的矩阵形式
results matching "
"
No results matching "
"