斯坦福ML公开课笔记10——VC维、模型选择、特征选择

最新推荐文章于 2019-03-22 17:43:43 发布
最新推荐文章于 2019-03-22 17:43:43 发布
阅读量1w 收藏 16
点赞数 5
分类专栏： 机器学习笔记 机器学习笔记 文章标签： VC维 模型选择 交叉检验 特征选择 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/stdcoutzyx/article/details/18407259
版权

本篇是ML公开课的第10个视频，上接第9个视频，都是讲学习理论的内容。本篇的主要内容则是VC维、模型选择(Model Selection)。其中VC维是上篇笔记中模型集合无限大时的扩展分析；模型选择又分为交叉检验(Cross Validation)和特征选择(FeatureSelection)两大类内容。






张雨石
关注
  • 5
    点赞
  • 踩
  • 16
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
详解机器学习中的VC维
白马负金羁
04-03 1万+
机器学习中的经典算法SVM（支持向量机）最初是由前苏联数学家Vladimir Vapnik 和 Alexey Chervonenkis 在 1963年提出的。二人合作完成的另外一个之于机器学习的重要贡献就是所谓的VC维，本文主要解释机器学习中的VC维这个概念
opengl 编程 VC 建模
10-12
本程序 通过VC++中的OpenGL图像借口 对叶片进行编程 并且融了光照和材质本身性质
百度2016研发工程师笔试题（一）+详解
hitxueliang的专栏
08-02 2916
1.软件项目存储于/ftproot，允许apache用户修改所有程序，设置访问权限的指令？A.chmod apache-R/ftproot B.chmod apache/ftproot C.chgrp apache/ftproot D.chown apache/ftproot 2.Vsftpd 配置本地用户传输速率的参数？A.Local _max_rate B.anon _max_rate C.us
斯坦福机器学习ML公开课笔记1-15（完整版、带目录索引和NG原版讲义）
11-07
1-15节全部完整版讲义！超清分享~~~（附赠目录索引和NG原版讲义） 含金量高，独家整理~~ 目录如下： 公开课笔记1-2——线性规划、梯度下降、正规方程组 公开课笔记3——局部加权回归、逻辑斯蒂回归、感知器算法 公开课笔记4——牛顿方法、指数分布族、广义线性模型 公开课笔记5——生成学习、高斯判别、朴素贝叶斯 公开课笔记6——NB多项式模型、神经网络、SVM初步 公开课笔记7——最优间隔分类、原始/对偶问题、SVM对偶 公开课笔记8———核技法、软间隔分类器、SMO算法 公开课笔记9—偏差/方差、经验风险最小化、联合界、一致收敛 公开课笔记10——VC维、模型选择、特征选择 公开课笔记11——贝叶斯正则化、在线学习、ML应用建议 公开课笔记12——K-Means、混合高斯分布、EM算法 公开课笔记13A——混合高斯模型、混合贝叶斯模型 公开课笔记13B-因子分析模型及其EM求解 公开课笔记14——主成分分析 公开课笔记15—隐含语义索引、奇异值分解、独立成分分析
斯坦福ML公开课笔记(中文版1-6)
11-06
本资源是斯坦福ML公开课笔记。主要内容包括混合高斯模型、混合贝叶斯模型、因子分析模型、主成分分析、奇异值分解、隐含语义索引和独立成分分析等内容。
斯坦福ML公开课笔记(中文版7-11)
11-06
本资源是斯坦福ML公开课笔记。主要内容包括混合高斯模型、混合贝叶斯模型、因子分析模型、主成分分析、奇异值分解、隐含语义索引和独立成分分析等内容。
斯坦福ML公开课笔记(中文版12-15)
11-06
本资源是斯坦福ML公开课笔记。主要内容包括混合高斯模型、混合贝叶斯模型、因子分析模型、主成分分析、奇异值分解、隐含语义索引和独立成分分析等内容。
规则化和模型选择（Regularization and model selection）
xiaoyu714543065的专栏
08-05 3075
1 问题      模型选择问题：对于一个学习问题，可以有多种模型选择。比如要拟合一组样本点，可以使用线性回归，也可以用多项式回归。那么使用哪种模型好呢（能够在偏差和方差之间达到平衡最优）？      还有一类参数选择问题：如果我们想使用带权值的回归模型，那么怎么选择权重w公式里的参数？ 形式化定义：假设可选的模型集合是，比如我们想分类，那么SVM、logistic回归、神经网络等模
vc实现的三维地形建模
02-26
用vc6.0结合OpenGL实现三维地形
VC++编的三维人脸建模
08-07
用VC编的三维人脸建模，大家可以慢慢研究下~（PS：这个不是自己原创）
VC++ OpenGL三维物体建模--雨伞的绘制(含详细注释)
05-26
Visual C++ OpenGL应用程序开发第五章源码和详细注释。包含三维物体建模雨伞的绘制,显示列表的使用。坐标系的变换。
机器学习-特征选择-VC维的理解
weixin_41647586的博客
03-22 2939
vc维含义的个人理解 在看斯坦福机器学习公开课的第10课特征选择中，Andrew Ng老师引入了VC维的概念，可能是字幕翻译不准确的原因，不是很理解，自己在网上查了一些资料，下面说说自己的理解。 必要定义： 分散(shatter)：对于一个给定集合S={x1, … ,xd}，如果一个假设类H能够实现集合S中所有元素的任意一种标记方式，则称H能够分散S。 VC维：H的VC维表示为VC(H) ，指能够...
线性规划、梯度下降、正规方程组——斯坦福ML公开课笔记1-2
热门推荐
雨石
06-15 2万+
转载请注明链接：http://blog.csdn.net/xinzhangyanxiang/article/details/9101621 最近在看Ng的机器学习公开课，Ng的讲法循循善诱，感觉提高了不少。该系列视频共20个，每看完一个视频，我都要记录一些笔记，包括公式的推导，讲解时候的例子等。按照Ng的说法，公式要自己推理一遍才能理解的通透，我觉得自己能够总结出来，发到博客上，也能达到这个效果
牛顿方法、指数分布族、广义线性模型—斯坦福ML公开课笔记4
雨石
06-30 2万+
转载请注明：http://blog.csdn.net/xinzhangyanxiang/article/details/9207047 最近在看Ng的机器学习公开课，Ng的讲法循循善诱，感觉提高了不少。该系列视频共20个，每看完一个视频，我都要记录一些笔记，包括公式的推导，讲解时候的例子等。按照Ng的说法，公式要自己推理一遍才能理解的通透，我觉得自己能够总结出来，发到博客上，也能达到这个效果，希
生成学习、高斯判别、朴素贝叶斯—斯坦福ML公开课笔记5
雨石
07-09 2万+
本篇博客为斯坦福ML公开课第五个视频的笔记，主要内容包括生成学习算法（generate learning algorithm）、高斯判别分析（Gaussian DiscriminantAnalysis，GDA）、朴素贝叶斯（Navie Bayes）、拉普拉斯平滑（Laplace Smoothing）。由于编辑公式繁琐，故博文大部分内容都是图片，如果网速不给力耍不开的话，欢迎去下载pdf版。
局部加权回归、逻辑斯蒂回归、感知器算法—斯坦福ML公开课笔记3
雨石
06-17 1万+
转载请注明：http://blog.csdn.net/xinzhangyanxiang/article/details/9113681 最近在看Ng的机器学习公开课，Ng的讲法循循善诱，感觉提高了不少。该系列视频共20个，每看完一个视频，我都要记录一些笔记，包括公式的推导，讲解时候的例子等。按照Ng的说法，公式要自己推理一遍才能理解的通透，我觉得自己能够总结出来，发到博客上，也能达到这个效果，希
最优间隔分类、原始/对偶问题、SVM对偶—斯坦福ML公开课笔记7
雨石
08-05 1万+
本篇笔记针对ML公开课的第七个视频，主要内容包括最优间隔分类器（Optimal Margin Classifier）、原始/对偶问题（Primal/Dual Problem）、svm的对偶问题，都是svm（support vector machine，支持向量机）的内容。
斯坦福公开课《编程范式》
最新发布
05-22
斯坦福公开课《编程范式》是由斯坦福大学教授Alex Aiken主讲的一门计算机科学课程，旨在介绍不同的编程范式，如函数式编程、面向对象编程、逻辑编程等，并探讨它们的优缺点、应用场景和实现方式。该课程涉及的主题包括lambda演算、类型系统、模式匹配、元编程、并发编程等，旨在帮助学生理解编程语言和程序设计的本质，并提高编程能力和思维能力。该课程的视频和课件可以在斯坦福大学的网站上免费下载。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值