Machine Learning · Clasificación Supervisada y Modelos Probabilísticos · Introducción

Introducción

De qué trata esta guía

↑ Clasificación Supervisada · Modelos Probabilísticos

Recorrido

Temas que aborda

Introducción
Clasificación Supervisada y Modelos Probabilísticos
Teoría de Decisión Bayesiana
1.1 Minimización del Riesgo Esperado y Función de Pérdida
1.2 El Escenario de Pérdida Asimétrica
Modelos Discriminativos vs. Generativos

Conceptos relacionados

Conexiones principales

Notación compatible

Muestra matemática en LaTeX

La expresión se renderiza de forma accesible y conserva debajo su fuente LaTeX.

P(Y = C_k \mid \mathbf{x}) = \frac{p(\mathbf{x} \mid Y = C_k) P(Y = C_k)}{p(\mathbf{x})} = \frac{p(\mathbf{x} \mid Y = C_k) \pi_k}{\sum_{j=1}^K p(\mathbf{x} \mid Y = C_j) \pi_j}

Ver LaTeX fuente

P(Y = C_k \mid \mathbf{x}) = \frac{p(\mathbf{x} \mid Y = C_k) P(Y = C_k)}{p(\mathbf{x})} = \frac{p(\mathbf{x} \mid Y = C_k) \pi_k}{\sum_{j=1}^K p(\mathbf{x} \mid Y = C_j) \pi_j}