关注
分享
主要从吴恩达《机器学习》课程、林轩田《机器学习基石》和《机器学习技法》、周志华《机器学习》西瓜书、李航《统计学方法》等等记录学习笔记。
FZH_SYU
在这个时代，每个人怀揣着梦想，坚持地迈着步子走。这个时代，正因如此，才会愈发精彩。
展开
-
周志华《机器学习》 学习笔记（四） 性能度量
性能度量 对学习器的泛化性能进行评估，不仅需要有效可行的实验估计方法，还需要有衡量模型泛化能力的评价标准，这就是性能度量（performance measure）。 在预测任务中，给定样例集，其中yi是示例xi的真实标记，要评估学习器f的性能，就要把学习器预测结果f(x)与真实标记y进行比较。 回归任务最常用的性能度量是“均方误差”（mean squared error）更一般的，对于数据分布D和...原创 2018-02-07 01:37:40 · 2031 阅读 · 0 评论 -
周志华《机器学习》 学习笔记（三） 经验误差、过拟合与评估方法
一、经验误差 通常我们把分类错误的样本数占样本总数的比例称为“错误率”，即如果在m个样本中有a个样本分类错误，则错误率E = a / m；相应的，1 – a / m称为“精度”（accuracy），即“精度 = 1 - 错误率”。更一般地，我们把学习器的实际预测输出与样本的真是输出之间的差异称为“误差”，学习器在训练集上的误差称为“训练误差”或“经验误差”，在新样本上的误差称为“泛化误差”原创 2018-02-04 21:46:58 · 1699 阅读 · 0 评论 -
周志华《机器学习》 学习笔记（二） 假设空间与归纳偏好
一、假设空间 归纳（induction）与演绎（deduction）是科学推理的两个大基本手段。前者是从特殊到一半的泛化（generalization）过程，即从具体的事实归结出一半性规律；后者则是从一般到特殊的“特化”（specialization）过程，即从基础原理推演出具体状况。 归纳学习有狭义和广义之分，广义的归纳学习大体相当于从样例中学习，而狭义的归纳学习则要求从训练数据原创 2018-02-04 17:18:21 · 2135 阅读 · 0 评论 -
周志华《机器学习》 学习笔记（一） 引言与基本术语
一、引言 机器学习正是这样一门学科，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，因此，机器学习所研究的主要内容，是关于在计算机上从数据中产生“模型”（model）的算法，即“学习算法”（learning algorithm）。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（例如看到一个原创 2018-01-19 22:15:54 · 961 阅读 · 0 评论