Machine Learning
文章平均质量分 58
Vivian0990308
这个作者很懒,什么都没留下…
展开
-
统计学习理论
统计学习的特点 统计学习(statistical learning)是关于计算机基于数据构建概率统计模型并用模型对数据进行预测与分析的学科。特点:(1)统计学习以计算机及网络为平台,是建立在计算机及网络之上的; (2)统计学习以数据为研究对象,是数据驱动的学科; (3)统计学习的目的是对数据进行预测与分析; (4)统计学习以方法为中心,统翻译 2016-09-05 11:12:53 · 939 阅读 · 0 评论 -
统计学习三要素:模型、策略、算法
统计学习方法都是由模型、策略和算法构成的,即 方法=模型+策略+算法 ## 模型 ## 统计学习首要考虑的问题是学习什么样的模型。在监督学习过程中,模型就是所要学习的条件概率分布或决策函数。模型的假设空间(hypothesis space)包含所有可能的条件概率分布或决策函数。例如,假设决策函数是输入变量的线性函数,那么模型的假设空间就是所有这些线性函数翻译 2016-09-05 16:58:38 · 3784 阅读 · 0 评论 -
统计学习之:正则化与交叉验证
声明: 1.本文章为参考相关书籍和前辈经验所写,只为个人学习专用。 2.若有内容错误之处请大家留言改进。 3.若有引用不当之处,请告知本人,会进行相关处理。1. 正则化模型选择的经典方法是正则化(regularization)。正规化是结构风险最小化策略的实现,是在经验风险上加一个正则化项(regularizer)或罚项(penalty term)。正则化一般是模型复杂度的单调递增函数,模型越翻译 2016-09-07 20:36:22 · 1324 阅读 · 0 评论 -
统计学习:泛化能力、生成模型、判别模型、分类、标注和回归问题
声明: 1.本文章为参考相关书籍和前辈经验所写,只为个人学习专用。 2.若有内容错误之处请大家留言改进。 3.若有引用不当之处,请告知本人,会进行相关处理。泛化能力泛化误差 学习方法的泛化能力(generalization ability)是指由该方法学习到的模型对未知数据的预测能力,是学习方法本质上重要的性质。现实中采用最多的方法是用测试数据得出的测试误差来评价学习方法的泛化翻译 2016-09-07 21:20:03 · 3223 阅读 · 0 评论 -
Tensorflow serving(tf_serving) 安装测试说明
编译安装tf_serving,需要添加一些依赖 Bazel:集成的类似于makefile 文件性质的编译工具, 安装参考https://bazel.build/versions/master/docs/install.html gRPC:tf_serving 构建client和server连接桥梁的依赖工具,基于protobuf实现的, 安装参考:https://github.com/grp原创 2017-06-08 18:50:55 · 11778 阅读 · 0 评论