基础——机器学习

学过的东西就要整理…
主要来源： MIT deep learning

Part I: Applied Math and Machine Learning Basics

1. 机器学习基础

1.1 常用模型

1.1.1 线性回归

找到一条线

$$y = w^Tx$$ 尽可能穿过所有样本点，这条线满足mean square error最小
$$MSE_{test}= \dfrac{1}{m} \sum_{i} (y_{test}'-y_{test})_{i}^2$$

1.2 Evaluation

训练集——>测试集 (泛化generaliazation)。
1. 离散：
0-1 loss (如果分类正确就是0，错误为1)或者 error rate
2. 连续：
average log-probability

Part II: Modern Practical Deep Networks

Part III: Deep Learning Research

encoder

理论
实践

未完待续…….

其他参考资料
https://morvanzhou.github.io/tutorials/machine-learning/reinforcement-learning/