1似然函数(参数取值可能性最大)
em算法中,估计参数的可能性大小
2误差平方和(表征整体误差最小)
线性回归的最小二乘法中,参数估计
3准确率(返回结果的正确率,占的比例),召回率(返回正确结果的数量大小)
查询返回的正确信息中
4置信度(规则的在前置条件下的条件概率),支持度(项集占总体的大小,是否频繁)
统计频繁项和关联规则
5信息熵(描述整个信息集合需要的信息量大小,越大越占空间)
决策树,进行划分的评判
6基尼系数(度量数据分区或元组的不纯度)
决策树,对集合进行划分的评判
7相似度(度量两项之前相似程度)
集合,点,向量,树,图
友情推荐:ABC技术研习社
为技术人打造的专属A(AI),B(Big Data),C(Cloud)技术公众号和技术交流社群。

本文概述了深度学习和人工智能算法的核心概念,包括参数优化、误差最小化、预测准确性和置信度评估等关键原理,同时介绍了决策树、线性回归、聚类算法等常用技术,以及相似度度量在不同数据类型的应用。通过ABC技术研习社的专业视角,为技术人提供了深入浅出的技术知识和实践指导。

1389

被折叠的 条评论
为什么被折叠?



