机器学习
AIvin24
关注人工智能、机器学习、计算机视觉、认知科学的普通青年!
展开
-
[Mitchell 机器学习读书笔记]——机器学习基本概念
1、学习问题 机器学习中对于学习有一个准确的定义:对于某类任务T和性能度量P,如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善,那么我们称这个计算机程序在经验E中学习。例如:对于识别手写文字问题,任务T是识别和分类图像中的手写文字,性能标准P就是分类的正确率,训练经验E为已知分类的手写文字数据库。这里对于学习的定义与我们日常生活中的学习基本相一致,将学习过程抽象出来原创 2012-08-17 16:24:59 · 3161 阅读 · 2 评论 -
[Mitchell 机器学习读书笔记]——概念学习、偏序结构
从特殊的训练样例中归纳出一般函数式机器学习的中心问题。为了获得一个合适的假设,需要在假设空间上搜索以便得到结果,而假设空间本身形成一种自然的结构——即一般到特殊的特殊偏序结构。 1、简介 许多机器学习问题涉及到从特殊训练样例中得到一般概念。比如日常生活中学习到的一些概念和类别包括:鸟类、汽车、勤奋的学习等。如果给定一样例集合以及每个样例是否属于某一概念的标注,怎样自动推断出原创 2012-08-18 16:03:15 · 2843 阅读 · 2 评论 -
[Mitchell 机器学习读书笔记]——决策树学习
1、简介 决策树学习是一种逼近离散值目标函数的方法,在统计学、数据挖掘、机器学习等领域都有应用。利用已有的数据样例集合,学习构造一颗决策树,便于以后预测目标数据的取值(比如分类时的类别等),这种决策树有时也被称作类别树或回归树。2、决策树表示 决策树通过把实例从根节点排列到某个叶子节点来分类实例,叶子节点即为实例所属的分类。原创 2012-08-20 16:30:06 · 2900 阅读 · 0 评论 -
[Mitchell 机器学习读书笔记]——人工神经网络
1、简介 神经网络学习方法对于逼近实数值、离散值或向量值的目标函数提供了一种健壮性很强的方法。在现实中,学习解释复杂的现实世界中的传感器数据,人工神经网络(Artificial Neural Networks,ANN )是最有效的方法。反向学习传播算法已经在很多领域中取得了成功,比如学习识别手写字符、学习识别口语和学习识别人脸。 人工神经网络的研原创 2012-08-31 18:09:53 · 4883 阅读 · 0 评论 -
PRML笔记:1-介绍
打算去读PRML这本书,用两遍来读完,第一遍弄懂基本思想,以便看其他任何相关文献能够明白他们在说什么;第二遍细看,重点要做书后面的习题,弄清每个知识点的细节部分。第二遍可能不会连续,甚至会挑选部分章节重点研究,但是第一遍需要坚持。近期的博文就是记录自己看到的关键知识概念,到时碰到不懂的时候,再去google查找进一步的解析。行文都依照原作者书中介绍的顺序,希望这些概念能够将整体知识串接起来……原创 2013-08-02 15:12:58 · 3027 阅读 · 0 评论