Eikosestadística y ciencia de datos

Machine learning e IA · Machine Learning

Machine Learning · Clasificación Supervisada y Modelos Probabilísticos

Introducción pública · guía completa en Eikos

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

  • bayes
  • algebra
  • varianza
  • ml supervisado
  • regularizacion
  • verosimilitud

Notación compatible

Muestra matemática en LaTeX

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

P(Y=Ck∣x)=p(x∣Y=Ck)P(Y=Ck)p(x)=p(x∣Y=Ck)πk∑j=1Kp(x∣Y=Cj)πjP(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 fuenteP(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}