- 博客(3)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 机器学习基础--一些基本的概念
前言开始重新巩固一下机器学习的内容，先从基本的一些概念和定义开始。本文介绍的内容如下所示：机器学习的基本定义局部最优和全局最优机器学习、深度学习、数据挖掘、大数据之间的关系为什么要使用机器学习1. 机器学习的基本定义机器学习算法是一种能够从数据中学习的算法。那么这里的学习的定义是什么呢？这里有一个简单的定义：对于某类任务 T 和性能度量 P，一个计算机程序通过经验 E 改进后，在任务 T 上由性能度量 P 衡量的性能有所提升，这称为学习。举例来说这个定义，比如对于图像分类这个任
2020-10-31 18:29:32
700
原创 数学学习笔记--概率论
2. 概率论2.1 概率分布与随机变量2.1.1 机器学习为什么要使用概率事件的概率是衡量该事件发生的可能性的量度。虽然在一次随机试验中某个事件的发生是带有偶然性的，但那些可在相同条件下大量重复的随机试验却往往呈现出明显的数量规律。机器学习通常必须处理不确定量，有时候也需要处理随机量。几乎所有的活动都需要一些在不确定性存在的情况下进行推理的能力。不确定性和随机性可能来自多个方面，不确定性有 3 种可能的来源：被建模系统内在的随机性。比如纸牌游戏，假设纸牌被真正混洗成了随机顺序。不完全观测。对
2020-10-14 22:36:37
1579
原创 数学学习笔记--线性代数
开始复习 AI 算法的基础–数学部分，主要是三方面的内容：线性代数概率论微积分参考内容如下：《深度学习》https://github.com/scutan90/DeepLearning-500-questionshttps://github.com/sladesha/Reflection_Summary本文是第一篇，线性代数部分的内容，主要是比较基础部分的学习笔记。1. 线性代数1.1 向量和矩阵1.1.1 标量、向量、矩阵、张量之间的联系标量（scalar）一个标量表示一
2020-10-11 11:13:25
3177
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