机器学习基石-04-4-Connection to Real Learning

最新推荐文章于 2020-09-11 18:27:13 发布
最新推荐文章于 2020-09-11 18:27:13 发布
阅读量235 收藏
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/hahahyahshsba/article/details/78323293
版权

Multiple h

之前提到的都是只有一个“固定的h”，那么存在很多个h怎么做？

Question：150个人分别丢5次硬币，其中一个人丢了5次都是“花朝上”，此时的g是最好的吗？

Answer：不是的，因为150个人中有一个人丢5次都是“花”的概率特别大；

BAD Sample：当E(in)和E(out)的误差相差很大(far away)时，其中in代表抽取样本时的误差，out代表真实的误差（unknown）。------>can get worse when involving "choice"。“选择”会恶化这些“不好的情形”！


当存在很多h时，




 




manaml
关注
4-Connection Management
gaoxiangnumber1——Gao Xiang's Blog
10-09 1441
Please indicate the source: http://blog.csdn.net/gaoxiangnumber1Welcome to my github: https://github.com/gaoxiangnumber14.1 TCP Connections A client application can open a TCP/IP connection to a server
Lecture4-4Connection to Real Learning
zypandora的博客
09-22 234
Multiple hhReal Learning like PLA, what about when getting all green(right)?Bad Sample:EinE_{in} and EoutE_{out} far away – can get worse results. Eout=12E_{out} = \frac{1}{2}, but getting all heads(
机器学习基石 4.4 Connection to Real Learning
一只小羊
09-11 541
1. Multiple hh如果有一个hh在手上的资料中没有犯错（全是绿色的弹珠），即Ein(hM)=0E_{in}(h_{M})=0，能否说这个hh就是完美的？ 2. Coin Game不能，比如150个人一起抛硬币，出现一个5次全部正面的概率大于99%，但此时不能说这个5次全部正面的硬币有魔法。 3. BAD Sample and BAD Data坏的样本指的是那些EinE_{in}与Eou
Lecture4-3Connection to Learning
zypandora的博客
09-20 169
Bin Model vs. Learning unknown orange prob μ\mu ↔\leftrightarrow fixed hypothesis h(x)=?h(\mathbf{x}) =? target f(x)f(\mathbf{x}) marbel ∈\in bin ↔\leftrightarrow x∈\mathbf{x} \in \mathcal{X} orange ↔
机器学习基石 4.3 Connection to Learning
一只小羊
09-11 495
1. Connection to Learning所有的球代表xx，每个球的颜色决定于h(x)h(x)是否等于f(x)f(x)。如果资料量够大，就可以从h(xn)≠ynh(\mathbf{x_{n}})\neq y_{n}的机率推出h(x)≠f(x)h(\mathbf{x})\neq f(\mathbf{x})的概率。2. Added Components手上的资料，即training ex
机器学习基石-04-3-Connection to Learning
hahahyahshsba的博客
10-23 233
上面的图展现了之前例子的“瓶子中orange球的概率”和learning学习的一一对应关系。orange球的概率就是“h(x)不等于f(x)”，也就相当于PLA算法中的叉叉，而green球就相当于圈圈。在瓶子中抽取样本就相当于数据集D（inside），一个新的需要分割开的点x就是outside的数据。 需要注意的是，上面的h(x)是固定的！！！ The Formal Guara
机器学习基石 3 - 4 - Learning with Different Input Space (14-13).mp4
03-29
机器学习基石 3 - 4 - Learning with Different Input Space (14-13).mp4
机器学习基石 1 - 4 - Components of Machine Learning (11-45)(1).mp4
03-28
机器学习基石 1 - 4 - Components of Machine Learning (11-45)(1).mp4
机器学习基石 3 - 2 - Learning with Different Data Label (18-12).mp4
03-29
机器学习基石 3 - 2 - Learning with Different Data Label (18-12).mp4
机器学习-推荐系统导论 Introduction to Recommender Systems
07-01
机器学习基石(Machine Learning Foundations).zip 831.4MB 机器学习-斯坦福-Andrew NG-2012(1).zip 1.3GB 机器学习-003.zip 1.4GB Neural Networks for Machine Learning（面向机器学习的神经网络）.zip 880.5MB ...
机器学习10 -- 半监督学习 Semi-supervised Learning
热门推荐
谢杨易的博客
09-11 1万+
1 为什么要做半监督学习 有监督机器学习已经在很多领域证明了它的有效性，比如ImageNet图像分类任务，深度学习模型早在2017年，准确率就已经超过了人类。机器学习被认为是一门数据驱动的学科，数据分为两部分，data和label。通常情况下，data是比较容易获取的，而label需要标注，要珍贵很多。比如对于图像分类任务，网络上有成千上万的图片数据，但他们大多数都是没有label标注的。 通常情况下，我们可以进行一小部分数据的标注，形成有监督数据，然后再利用好其他未标注数据。这种方法称为半监督学习。半
机器学习基石第四周学习笔记
Du_Shuang的博客
08-02 295
1.learning is impossible？ 我们要通过给定的训练数据学习出一个g接近于f，首先我们学习出的g在给定的训练数据上结果与f一样，但是在我们给定的训练数据之外的数据，我们并不能保证g给出的输出是和f给出输出是一样的，因为我们并不知道f是什么，所以对于所学到的所有g，我们都有理由说g是错的，因为f不知道。这个问题被称为no free launch 即天下没有免费的晚餐。 2.p...
基于Java的每日乐享新闻后台管理系统源码
10-04
本项目是一款基于Java技术的每日乐享新闻后台管理系统源码，总计包含172个文件，涵盖59个XML配置文件、28个Java源文件、26个JavaScript文件、16个CSS样式文件，以及少量其他资源文件。系统主要分为用户管理、稿件管理和系统管理三大功能模块，旨在对新闻系统中的新闻内容进行高效的数据维护。
小虎音乐-微信小程序.zip
10-04
小虎音乐-微信小程序
厦门华厦学院在辽宁2020-2024各专业最低录取分数及位次表.pdf
10-04
那些年，与你同分同位次的同学都去了哪里？全国各大学在辽宁2020-2024年各专业最低录取分数及录取位次数据，高考志愿必备参考数据
PytorchBert-LSTM-CRF命名实体识别源码+笔记+视频讲解PytorchBert-LSTM-CRF命名实体识别
最新发布
10-04
PytorchBert-LSTM-CRF命名实体识别源码+笔记+视频讲解PytorchBert-LSTM-CRF命名实体识别
微信小程序和游戏的源代码案例库不断更新。目前，它涵盖了120多个微信小程序或游戏_WeApp_Demos.zip
10-04
微信小程序和游戏的源代码案例库不断更新。目前，它涵盖了120多个微信小程序或游戏_WeApp_Demos
浙江传媒学院在辽宁2020-2024各专业最低录取分数及位次表.pdf
10-04
那些年，与你同分同位次的同学都去了哪里？全国各大学在辽宁2020-2024年各专业最低录取分数及录取位次数据，高考志愿必备参考数据
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值