- 博客(9)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 【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