![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习理论
河流儿
这个作者很懒,什么都没留下…
展开
-
机器学习中的经验风险,期望风险和结构风险最小化
机器学习任务几乎没有例外的都使用了损失函数cost function这一概念。常见的损失函数有平方误差损失函数,交叉熵损失函数等,在分类任务中一般使用交叉熵损失函数,回归问题中一般使用平方误差损失函数。损失函数的核心思想是建立一种预测结果和真实结果之间误差的衡量标准,而机器学习的优化目标就是让这个衡量项越小越好,这种差别也叫做风险,这就是经验风险中的风险的意思参考文献 http://原创 2017-12-08 14:53:08 · 3475 阅读 · 1 评论 -
回归模型中的误差度量方式
回归模型中的误差度量方式RMSE原创 2017-12-27 21:32:50 · 4078 阅读 · 0 评论 -
机器学习之VC维
机器学习中VC维的定义是为了说明一种完备性,一个例子你就懂了:说线性分类器的VC维是3,其含义就是说,只要是三个样本,在一个平面上无论他怎么分布,怎么打标签,都能用一根直线将它们按标签区分开来。同样的可以说明其他分类器/函数集/机器学习方法的VC都是这个意思。参考: http://www.cnblogs.com/qqhfeng/archive/2012/05/16/2504035.h原创 2018-01-26 16:40:16 · 1518 阅读 · 0 评论 -
RNN,LSTM和GRU和word2vec及embedding等的联系与区别解析。
普通的MLP和CNN都没有事件维度,可以从RNN开始引入了事件维度,这在理解上给我们带来了一些困难,笔者为了避免遗忘,将这种区别和特点记录如下。(没时间画图,就看文字吧,写的比较简单。。。)资料 https://zhuanlan.zhihu.com/p/36455374这篇博客讲的其实很清楚了,为了帮助理解,我总结如下:1. RNN可以看成是有t个3层的全连接神经网络,从1-...原创 2018-09-12 13:31:56 · 4174 阅读 · 0 评论