机器学习
文章平均质量分 83
ACM_Nestling
这个作者很懒,什么都没留下…
展开
-
机器学习基石笔记
文章目录第一课:学习的问题第二课第三课第四课第五课第六课第七课第八课总结 第一课:学习的问题 机器学习三个条件:有潜在的模式可以学习,潜在的模式无法用规则来表达出来,有数据 定义符号: 符号 含义 x⃗∈X,y∈Y\vec x \in \mathcal X, y \in \mathcal Yx∈X,y∈Y 输入和输出 f:X→Yf:\mathcal X \to \mathcal Yf:X→Y 未知的真实函数,需要学习的结果尽可能拟合这个函数 D={(x⃗1,y1),(x⃗2,y2),原创 2020-06-19 22:38:55 · 226 阅读 · 0 评论 -
Percetron Learning Algorithm有限性的证明
在mooc上跟着台大的机器学习课程原创 2014-10-04 16:11:04 · 523 阅读 · 0 评论 -
1.深度学习框架——TensorFlow的安装与入门
转载自http://blog.csdn.net/qq_18297933/article/details/52465616研一时,从我身边的一些好基友中了解到,他们实验室用的框架都是caffe,前段时间我也在windows下尝试安装了Caffe,但白天“科研”任务中,编译时成功13个,失败3个,我还没有去找原因(大家最好在Linux下搞这些东西,window反而更麻烦!)。最近一直在看深度学习理论方面转载 2016-12-14 14:32:57 · 1025 阅读 · 0 评论 -
编译安装caffe
关于caffe安装过程中踩过的坑原创 2017-04-16 13:21:22 · 15097 阅读 · 5 评论 -
Rademacher Complexity
定义: Empirical Rademacher Complexity 假设G是从Z映射到[a,b]的一族函数,S=(z1,...,zm)S=(z1,...,zm)S=(z_1,...,z_m)是Z中数量固定的样本集合。在集合S上,Empirical Rademacher Complexity of G定义为: R^S(G)=Eσ[supg∈G1m∑i=1mσig(zi)],(3.1)ℜ^S(...原创 2018-07-16 16:46:13 · 6306 阅读 · 0 评论