- 博客(4)
- 收藏
- 关注
原创 分享 机器学习基石笔记
主要总结了why can machines learn 和 how can machines learn 两块 总结得很好 http://beader.me/mlnotebook/index.html
2015-09-10 08:51:29 671
原创 机器学习基石学习笔记3 VC Dimension(1)
上章我们提到了当Ein与Eout足够接近,且Ein很小时,我们就能说机器学习确实学到了东西。而Ein低与否,与A在hypothesis set中的选择密切相关。当hypothesis set中的可选h(x) 越多,就越有可能找到一个让Ein很小的h(x),然而M太多,却又会导致出现bad data的概率增大,导致|Ein-Eout|>ϵ 还记得我们用了一个不等式来衡量bad data出现的概率:
2015-09-09 15:47:46 1561
原创 机器学习基石学习笔记2 机器学习为什么可行
机器学习中,我们从样本数据出发,最后推断出接近真实规律的g(x)。 那么由样本数据推断出的g(x)可以接近真实规律的理论依据是什么呢?我们可以从概率的角度去解决这个问题。 假设一个罐子(总体,bin)里面装满了两种不同颜色(orange,green)的小球。 假设P(orange) = u, P(green) = 1 - u
2015-09-09 11:21:34 1158
原创 机器学习基石学习笔记1 机器学习及其分类
对应第1,3课视频 1.什么是机器学习 2.什么情况下使用机器学习 例如:要识别图片里是否有树,我们又很难去硬写程序去定义树来识别。 3.机器学习流程 learning model = learning algorithm A and hypothesis set H f是现实中的规律,由规律产生出了数据data,我们收集这些data作为输入,通过学习
2015-09-01 20:57:28 647
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