半参数方法

作者: 有机会一起种地OT | 来源:发表于2019-10-17 13:57 被阅读0次

半参数方法
参数，非参数，半参数
参数、非参数、半参数
Obtaining Method Type Informatio
有参方法和包
OC琐碎点汇总（一）
第九章有参方法和包
在上海乐字节学习Java的第十二天
Dart语言基础（四）之函数方法（Function）
Dart-方法

介绍
第一部分参数方法——类密度模型参数估计
第二部分监督学习——分类（基于似然的方法）
第三部分监督学习——分类（基于判别式的方法）（参数方法——判别式参数估计）
第四部分监督学习——回归
第五部分监督学习——关联规则
第六部分维度规约（特征的提取和组合）
第七部分半参数方法
第八部分非监督学习——聚类
第九部分非参数方法——密度估计
第十部分非参数方法——决策树实现的判别式
第十一部分多层感知器——非参数估计器
第十二部分局部模型
第十三部分支持向量机与核机器
第十四部分隐马尔科夫模型
第十五部分参数的贝叶斯估计
第十六部分集成学习——组合多学习器
第十七部分增强学习
第十八部分机器学习实验
第十九部分特征工程与数据预处理

参数方法中，假设样本来自一个已知的分布。如对类密度 $p(\mathbf{x}|C_i)$ 假设高斯密度，则根据估计的均值和方差，类 $C_i$ 对应于空间中单个分组。但这种假设有时会站不住脚，如每个类由两个分组组成，模型上则可对应于两个告诉模型的和。所以假设一个严格的参数模型可能是偏倚的根源。

半参数方法，使用混合分布估计输入样本。混合密度 $p(\mathbf{x})=\sum_{i=1}^kp(\mathbf{x}|G_i)P(G_i)$ ，其中 $G_i$ 是混合分支，也称分组或簇（cluster）， $p(\mathbf{x}|G_i)$ 是支密度， $P(G_i)$ 是混合比例。k是超参数，应预先指定。给定样本和k，学习支密度和混合比例。当假定支密度是参数模型，只需估计各支密度的参数。