数字图像处理和计算机图形学中的混合模式(blend mode或mixing mode)用于确定两个图层如何相互混合。大多数应用程序中的默认混合模式只是简单地通过用顶部图层中存在的任何内容覆盖底部图层;因为每个像素都有着不同的数值,所以诞生了许多方法来混合两个图层。
从头开始学习李航老师的《统计学习方法》,这本书写的很好,非常适合机器学习入门。什么是感知机?感知机是二类分类的线性分类模型,其输入为实例的特征向量,输出为实例的类别,取+1和-1二值。感知机学习旨在求出可以将数据进行划分的分离超平面,所以感知机能够解决的问题首先要求特征空间是线性可分的,再者是二类分类,即将样本分为{+1, -1}两类。
朴素贝叶斯(naive Bayes)法是基于贝叶斯定理与特征条件独立假设的分类方法。
逻辑回归(logistic regression)是统计学习中的经典分类方法。其多用在二分类{0,1}问题上。最大嫡是概率模型学习的一个准则将其推广到分类问题得到最大熵模型(maximum entropy model)。逻辑回归模型与最大熵模型都属于对数线性模型。
k近邻算法,即是给定一个训练数据集,对新的输入实例,在训练数据集中找到与该实例最邻近的K个实例,这K个实例的多数属于某个类,就把该输入实例分类到这个类中。