![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 56
capodexi
同济大学控制科学与工程在读,研究方向主要是区块链,和一些杂七杂八的东西
展开
-
机器学习笔记-SVM算法与代码实现
机器学习笔记-SVM算法 1. SVM算法原理 SVM算法的引入 使用现行分类器将两类数据进行数据分类时,应如何选取采用的分类器?考虑到使分类器的效果具有更强的鲁棒性,最佳的线性分类器在选择是能保证满足条件—— 距离分割线最近的点到分割线的距离最远 此时,样本的分割线将被极少数的几个点确定,并且距离分割线越远的分类具有越高的准确性;同时,在距离分割线较近的空间内存在的模糊点将获得更高的容错判断空间,有着更高的容错率。 SVM算法的形式化 若将分类的两种样本属性分别标注为1和-1,则可以使用f(x)=w^t·原创 2021-04-24 20:30:46 · 569 阅读 · 0 评论 -
机器学习笔记02-模型评估与选择1
机器学习笔记02-模型评估与选择1 最常见情况下,一种训练集只匹配一种算法 2.1 经验误差与过拟合 明确一些基本概念: m样本数量 Y样本正确的结果 Y’使用模型进行预测,对一定数量的样本作出预测的结果 a预测中错误的样本总数 ↓错误率E=a/m 精度1-E 误差|Y-Y’| 过拟合 为了得到一致假设而使假设变得过度严格 (常常使用增大数据量和样本集的方式进行评价是否存在过拟合) 2.2 评估方法(训练集、验证集与测试集) 泛化能力 模型对全新数据的预测能力,即使用测试集获得模型的泛化能力 测试集原创 2021-03-03 10:13:30 · 290 阅读 · 0 评论 -
机器学习笔记-01
机器学习笔记01 (本CSDN博客学习笔记对应为机器学习西瓜书教材,一切内容以西瓜书教材为准) 新学期的学习依旧,这次发表在csdn博客上的是西瓜书版机器学习教材的学习心得和笔记的主要内容,可能不是很详尽,但保证是本人理解与提炼的结果。 Part I 绪论 1.1引言 机器学习:通过计算的手段,利用经验改善系统的性能 一般流程:数据-学习算法-模型-预测结果 1.2基本术语 ①数据 数据集:待研究的全部对象(如全部100个待研究的西瓜) 数据样本:1个待研究的对象(如100个西瓜中的1个西瓜) 特征向量:可原创 2021-03-02 00:16:00 · 177 阅读 · 0 评论