- 博客(5)
- 资源 (1)
- 收藏
- 关注
原创 【学习笔记】斯坦福大学公开课: cs229 Learning Theory【下】
上回讲到了,当假设空间H是有限集时,当我们的训练数据的数目满足一定要求的时候,使用ERM选出的假设h^的经验误差能够对其泛化误差做一个很好的估计,二者以很大概率非常接近,术语叫做“一致收敛”;而且,h^的泛化误差与理想状况下的假设h*的泛化误差也以大概率接近,我们也得到了对应的一致收敛定理。那么,当H是无限集的时候会怎么样呢?首先介绍VC维的概念。对于一个复杂度的模型,至少需要同等数量级的
2017-12-12 13:25:32 1691
转载 Ubuntu提示卷boot仅剩0字节的硬盘空间,解决办法
以下内容转自:http://blog.csdn.net/hnzcdy/article/details/52381844*****************************************************安装Ubuntu系统之后,当时boot分区是200M,经过系统升级之后,之前的LInux内核依然会存在boot分区中,直接是造成boot分区提示硬盘不足的原因,此时
2017-12-12 10:33:03 806
原创 【学习笔记】斯坦福大学公开课:cs229 Part 6 Learning Theory【上】
今天进入到cs229的学习理论部分,这一部分说简单也简单,毕竟在Coursera上学过一遍Ng的课,关于bias/variance tradeoff的相关内容有了一些了解,可是cs229里一上来证明,还是值得好好琢磨琢磨的。那么这节课讲了什么呢?前面学的是算法,无论是线性回归、逻辑回归、广义线性模型、指数分布族,还是朴素贝叶斯、SVM,以及涉及到的梯度下降法、牛顿法、最大似然估计、拉普拉斯平滑
2017-12-08 12:05:03 842
原创 【学习笔记】计算听觉场景分析简介
今天看完了一篇年代比较久远的科普性文章《计算听觉场景分析介绍》,虽然很多地方很抽象还是不怎么理解吧,不过不管怎么说对这个研究课题也是有了一点初步的印象,还是应该跑来写下一点总结的。这篇文章介绍了CASA(计算听觉场景分析)的概念,理论依据,声音的归类线索,以及CASA系统所依赖的两种主要结构:数据驱动和图式驱动,将两者做了比较并提出了观点:信息双向互流是未来CASA研究的主要模式。简单说来
2017-12-04 22:18:58 3683 2
原创 【学习笔记】HMM统计模型
毕设快要选题目了,为此开始看一些研究生导师研究方向的相关文献,他的论文太高深,于是转而从一些基础类的科普性文章看起。在《计算听觉场景介绍》中遇到了HMM统计模型这个概念,于是上网搜了博客学习了一下。“HMM:隐马尔科夫模型(Hidden Markov Model)是统计模型,它用来描述一个含有隐含未知参数的马尔科夫过程。其难点是从可观察的参数中确定该过程的隐含参数。然后利用这些参数来作进一步的
2017-12-02 15:17:34 696
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人