机器学习 —— 1 绪论

最新推荐文章于 2024-08-18 19:53:43 发布
最新推荐文章于 2024-08-18 19:53:43 发布
阅读量157 收藏 1
点赞数
分类专栏： 机器学习 文章标签： 机器学习 人工智能
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/ashome123/article/details/112859993
版权

文章目录

一、机器学习模型

 

 

二、机器学习算法

 

 

 

三、机器学习目标

1、偏差和方差

  • 偏差(Bias)：how much the average model over all training sets differ from the true model？
  • 方差(Variance)：how many models estimated from different training sets differ from each other

2、拟合

欠拟合(Under-fitting)：model is too "simple" to represent all the relevant class characteristics.

  • 高偏差&低方差
  • 高训练误差&高测试误差

过拟合(Over-fitting)：model is too "complex" and fits irrelevantcharacteristics (noise) in the data.

  • 低偏差&高方差
  • 低训练误差&高测试误差

 

ashome123
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
西瓜书课后答案Chapter1
benzhaohao的博客
12-27 7065
1.1 首先看版本空间的定义，这篇文章写的很好 http://blog.csdn.net/qq_18433441/article/details/55682732 概况说来，版本空间就是从假设空间剔除了与正例不一致和与反例一致的假设，它可以看成是对正例的最大泛化。 现在只有西瓜1和西瓜4两个样本： 西瓜1（（色泽＝青绿、根蒂＝蜷缩、敲声＝浊响），好瓜））为正例，找到假设空间中和它
西瓜书《机器学习》课后答案——Chapter1
CodeTutor
05-14 8976
1.1 请查看西瓜书《机器学习》阅读笔记1——Chapter1_假设空间中列举的所有假设。现在只有西瓜1和西瓜4两个样本： 西瓜1为正例，找到假设空间中和它一致的假设：10，12，14，16，58，60，62，64 西瓜4为反例，找到假设空间中和它一致的假设：23，24，31，32，55，56，63，64 保留西瓜1的结果，去除西瓜4的结果，得到版本空间：10，12，14，16，58，60...
第一章 绪论（及部分课后习题）
second24的博客
07-07 5383
1.1 引言机器学习是一门这样的学科，它致力于研究如何通过计算的手段，利用经验来改善系统自身的性能。在计算机系统中，“经验”通常以“数据”形式存在，所以，我们需要从数据中产生“模型”的算法，即“学习算法”。有了学习算法，我们把经验数据提供给它，它就能基于这些数据产生模型;在面对新的情况时，模型会给我们提供相应的判断。1.2 基本术语数据集一组记录的集合称为一个“数据集”，其中每条记录是关于一个事件或
第一章习题
weixin_43889476的博客
07-05 1288
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结 前言 提示：这里可以添加本文要记录的大概内容： 例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。 提示：以下是本篇文章正文内容，下面案例可供参考 一、pandas是什么？ 示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。 二、使用步骤 1.引入库 代码
机器学习(周志华) 第一章-绪论 习题解答
weixin_30410119的博客
09-24 4016
第一章 绪论.md 1.1 表1.1中若只包含编号为1和4的两个样例，试给出相应的版本空间。 编号 色泽 根蒂 敲声 是否好瓜 1 青绿 蜷缩 浊响 是 4 乌黑 稍蜷 沉闷 否 假设空间：问题所有可能出现的情况组成的空间。 版本空间：与训练集正例一致的假设...
机器学习——绪论
canlander的博客
07-05 229
这是我之前参照西瓜书自己做的摘录以及笔记，发博客主要是自我学习，希望与各位博友共同进步！
机器学习——绪论总结
m0_73716246的博客
01-30 984
例：只有一个属性，在该属性上的所有可能取值组成的集合 [1，2，3，...] 构成一维属性空间，若有多个维度，如一个人的年龄，身高，体重构成一个属性空间为三维[[1，2，3，...],[171,181,182,...],[140,152,110,...]]：使用西瓜三个特征——色泽，根蒂，敲声三个属性，作为三个坐标轴，每个西瓜对应一个空间点（一个原点指向该点的坐标向量），每个这种示例称为一个特征向量。：又称特征，描述事物在某个方面的具体表现，常常在数据中的表现形式为数据集的某一列，一个特征表示一列数据。
机器学习——从入门到精通.pdf
04-20
机器学习作为一门研究计算机如何利用经验自动提高性能的学科，在近年来取得了突飞猛进的发展，并且在多个领域都取得了显著的应用成果。从信用卡欺诈检测的数据挖掘程序到个性化推荐系统，再到自动驾驶汽车，机器学习...
机器学习1：绪论（频率派和贝叶斯派推到过程即原理）
06-19
### 机器学习绪论：频率派与贝叶斯派概览 #### 一、引言 在统计学和机器学习领域中，概率估计是构建预测模型的基础。针对这一核心问题，学术界主要存在两种不同的学派——频率派和贝叶斯派。这两种学派在对待概率...
智能信息处理——绪论.ppt
10-08
智能信息处理是一门涉及人工智能、计算机科学、信息论和认知科学等多领域的综合性...随着技术的不断进步，智能信息处理将继续影响和改变我们的生活，从自动化、机器学习到人工智能的应用，都在不断地推动社会的进步。
书——机器视觉组态软件Xavis1
08-03
总的来说，《机器视觉组态软件Xavis1》是学习和掌握机器视觉技术及其应用的良好教材，不仅介绍了机器视觉的基本概念，还提供了Xavis软件的具体使用方法和技术细节，对于希望在该领域深入研究的读者来说，是一本...
0 绪论1
08-03
指令由两部分组成——操作码，指示要执行的操作，以及地址码，指出操作的目标。计算机按照预存的程序顺序执行指令，但在特定条件下，如遇到条件分支，可以改变执行流程。 硬件框图是理解计算机内部工作原理的重要...
einsum方法详解（爱因斯坦求和）
热门推荐
ashome123的博客
05-21 1万+
einsum方法详解（爱因斯坦求和） einsum是pytorch、numpy中一个十分优雅的方法，如果利用得当，可完全代替所有其他的矩阵计算方法，不过这需要一定的学习成本。本文旨在详细解读einsum方法的原理，并给出一些基本示例。 一、爱因斯坦求和 爱因斯坦求和是一种对求和公式简洁高效的记法，其原则是当变量下标重复出现时，即可省略繁琐的求和符号。 比如求和公式： ∑i=1naibi=a1b1+a2b2+...+anbn \begin{aligned} \sum_{i=1}^na_
EM算法与变分推断 —— 数学推导
ashome123的博客
07-22 1706
EM算法与变分推断 文章目录EM算法与变分推断EM算法介绍EM算法推导 1二、使用步骤1.引入库2.读入数据总结 EM算法介绍 对于概率图模型中包含有隐变量的情况，可以使用EM算法进行参数估计。隐变量是指不可观测的变量，但其参与到了样本的生成过程。例如在混合高斯模型中，样本xxx的生成过程为首先确定其所属的类别zzz，之后根据其类别选择相应的高斯分布N(μz,σk)\mathcal{N}(\mu_z,\sigma_k)N(μz​,σk​)，生成样本xxx。在该生成过程中，样本所属的类别zzz即为一个隐变
LDA主题模型 —— 变分推断EM算法推导
ashome123的博客
07-29 1613
文章目录本文目的LDA模型的简单回顾LDA求解 —— 变分推断EM算法EM算法 本文目的 LDA，即Latent Dirichlet Allocation，是一个非常重要的文档主题模型，在众多领域均有着广泛的运用。本文聚焦于LDA模型的变分推断求解方法的数学推导，假设读者已经了解过LDA的基本原理。 LDA模型的简单回顾 首先对LDA模型做一个简单的回顾：假设数据集DDD中有MMM篇文档，其中第ddd篇文档有NdN_dNd​个单词，且数据集DDD中一共涉及VVV种单词，KKK个主题。概率图中的个符号定
机器学习 —— 3 聚类（K均值和高斯混合模型）
ashome123的博客
01-22 987
文章目录前言一、K均值算法(K-means)1.模型定义2.模型算法二、使用步骤1.引入库2.读入数据总结 前言 聚类是一种无监督学习方法，把相似的对象通过静态分类的方法分成不同的组别或子集合，使得同一类别或子集中的对象具有相似的属性，在数据挖掘、模式识别、图像分析、数据分 析中具有广泛的应用。 一、K均值算法(K-means) 目标：将所有数据样本聚类成KKK个类别。即找到kkk个聚类中心μ1,μ2,...,μK\mu_1,\mu_2,...,\mu_Kμ1​,μ2​,...,μK​，则每个样本
机器学习 —— 2 线性回归
ashome123的博客
01-21 275
系列文章目录 提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加 例如：第一章 Python 机器学习入门之pandas的使用 提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录系列文章目录一、一些简单的概率统计1.概念2.全概率公式&贝叶斯公式3.随机变量3.高斯分布 一、一些简单的概率统计 1.概念 概率：对随机事件发生可能性大小的度量 条件概率：事件B已发生的条件下，事件A发生的概率，记作P(A∣B)P(A \mid B)P(A∣B) 联合概率：A
机器学习（3）-- 一元线性回归
最新发布
m0_74896766的博客
08-18 805
本篇介绍了如何实现一元线性回归，其中需要注意的是，对于相关系数过小的数据，我们要进行选择调整。
机器学习入门到精通：从基础到实战
"《机器学习——从入门到精通.pdf》是一本面向初学者和开发者的书籍，涵盖了机器学习的基础知识，适用于本科和研究生学习。标签包括Python和机器学习入门到精通，表明书中可能包含了使用Python语言进行机器学习的...
评论
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