- 博客(9)
- 资源 (3)
- 收藏
- 关注
原创 【斯坦福---机器学习】复习笔记之最优间隔分类器
本讲大纲:1.最优间隔分类器(optimal margin classifier) 2.原始/对偶优化问题(KKT)(primal/dual optimization problem) 3.SVM对偶(SVM dual) 4.核方法(kernels)(简要,下一讲详细)1.最优间隔分类器假设给我们的数据集是线性可分的(linearly separable). 就是说用超平面可以分隔正负样本.
2015-07-21 20:52:03 3446
原创 【斯坦福---机器学习】复习笔记之朴素贝叶斯算法
本讲大纲:1.朴素贝叶斯(Naive Bayes) 2.神经网络(Neural Networks) 3.支持向量机(Support vector machines)1.朴素贝叶斯前面讲的主要是是二元值的特征,更一般化的是xi可以取{1,2,3…k},这样的话可以用多项式分布代替伯努利分布对p(x|y)进行建模. 即使一些输入特征是连续值,我们也很容易离散化. 就比如说我们xi表示居住面积,我们可
2015-07-15 16:58:37 5306
原创 mel的helloworld程序
结构化程序设计方法的要点是: (1)自顶向下 (2)逐步细化 (3)模块化设计 (4)结构化编程mel程序的子程序功能由函数完成,其实很多方面mel和c都是类似的. 为了延续学习新语言的习惯,运行了mel的第一个helloworld程序.global proc test(){ a(); b(); a();}proc a(){ string $t = "@
2015-07-15 10:09:32 1192
原创 mel笔记
1.所有的变量都以美元符号($)开头,变量名只能用字母、数字、下划线组成,不能包括空格和特定的字符,不能以数字开头,但可以使用下划线和数字;变量名区分大小写. 例如: 2.六种变量类型:整型、浮点型、字符串型、矢量型、数组、矩阵型矢量格式: 如果要访问矢量的某个元素的值,可以用.x .y, *.z的形式 例如: 不能单独元素进行赋值. $position.x = 2//错 如需为某
2015-07-14 10:32:28 2673
原创 【斯坦福---机器学习】复习笔记之生成学习算法
本讲大纲:1.生成学习算法(Generative learning algorithm) 2.高斯判别分析(GDA,Gaussian Discriminant Analysis) 3.朴素贝叶斯(Naive Bayes) 4.拉普拉斯平滑(Laplace smoothing)1.生成学习算法判别学习算法(discriminative learning algorithm):直接学习p(y|x)
2015-07-07 14:33:31 12730 3
原创 耶鲁博弈论笔记
1.Introduction Five First Lessons method of studying stategic situation do not play a strictly dominated strategy prisoner’s dilemma payoffs you can not get what you want,till you know what you wa
2015-07-06 21:23:33 2920
原创 【斯坦福---机器学习】复习笔记之牛顿方法
本讲大纲:1.牛顿方法(Newton’s method) 2.指数族(Exponential family) 3.广义线性模型(Generalized linear models)1.牛顿方法假设有函数:,我们希望找到满足的值. 这里是实数. 牛顿方法执行下面的更新: 下图为执行牛顿方法的过程: 简单的来说就是通过求当前点的导数得到下一个点.用到的性质是导数值等于该点切线和横轴夹角
2015-07-06 16:42:25 10951 2
原创 【斯坦福---机器学习】复习笔记之欠拟合和过拟合的概念
本讲大纲:1.局部加权线性回归(locally weighted linear regression)给定一个数据集,根据x预测y. 最左边的函数为,并不能很好的拟合数据; 中间的加了一个额外的特性,函数为,稍微更好地拟合了数据; 似乎我们增加越多的特性,拟合程度越好;但是增加太多的特性是很危险的,最右边的图是一个五阶的多项式,虽然很好的拟合了给定的数据集,但是这个并不是一个很好的预测函数
2015-07-03 17:45:29 7797
原创 【斯坦福---机器学习】复习笔记之监督学习应用.梯度下降
本讲内容: 1.Linear regression(线性回归) 2.Gradient descent(梯度下降) 3.Normal equation(正规方程组)supervised learning(监督学习):给定一组数据集,告诉算法正确的答案,经过训练,给定输入能够给出正确的输出。开始一个监督学习的例子,房子面积和价格的关系: 给定这样的数据,怎样预测其他房子的价格?引入一些符号:
2015-07-02 18:58:46 2795
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人