文件名称：图像的均方误差的matlab代码-MLPR:MLPR
文件大小：5.99MB
文件格式：ZIP
更新时间：2024-06-10 23:48:22
系统开源
图像的均方误差的matlab代码描述 -换句话说，从贝叶斯角度看机器学习。 因此，主要重点是生成模型。 该课程由两部分组成，并在Matlab中完成。 原始的任务描述可以阅读。 带有相关代码段的报告位于中。 最终分数是98/100，在50多人的团体中得分最高。 第一项任务 这是一项回归任务，要求我们预测一些组织图像底部缺少的目标像素值。 我们比较了两种模型：神经网络（简单MLP）和线性回归。 NN和线性回归的结果非常接近，这就是为什么我选择线性回归作为我的主要模型的原因，因为它是一个更简单的模型（Occam的剃刀原理）。 关于数据集的唯一有用的见解是目标像素与其周围像素之间强度的相关性。 因此，我通过交叉验证确定了与目标像素最相关的像素有效半径。 完成后，我得到了该组中最低的均方根误差（RMSE）之一。 第二项任务 我们学习了二进制文本分类任务中层次模型和MCMC的基本用法。 在2.1c中，我注意到，除非数据集存在问题，否则考虑到数据的维数大于100个维数，一个简单的线性分类器应该可以完全分离少于100个示例的数据集。 确实，当2个或更多数据点具有完全相同的特征但标签不同时，就会出现标签