- 博客(5)
- 收藏
- 关注
RSS订阅原创 西瓜书＋南瓜书学习Task5——第六章
（4）支持向量与间隔的定义：如下图所示，距离超平面最近的这几个训练样本点，他们使式子的等号成立，它们被称为“支持向量”。取无穷大，则优化目标取值均为无限大，无法找到最优解，因此迫使所有样本点均满足约束条件，变回“硬间隔”。可以看出，软间隔支持向量机保持了重要性质：稀疏性，训练完成后，大部分的训练样本都不需要保留，最终模型仅与支持向量有关。我们希望采用更高效的求解方法，即。”的超平面，因为该划分超平面对训练样本局部扰动的“容忍”性最好，对未见示例的。的间隔带，若样本落入此间隔带内，则被认为是预测正确的。
2023-09-27 13:42:48
107
1
原创 西瓜书＋南瓜书学习Task4——第五章
则表示对应神经元“抑制”。然而，该函数是分段函数，不连续，不光滑，无法求导，不具备良好的数学运算性质，因此我们常采用Sigmoid函数作为激活函数。1. 在生物神经网络中，每个神经元都与其他神经元相连，该神经元兴奋时，会向相邻神经元转递化学物质，如果含量超过了它相邻神经元的“时刻关注训练误差和测试误差，若训练集误差降低但验证集误差升高，则停止训练，并返回具有最小验证集误差的连接值和阈值。（1）组成：感知机由两层神经元组成，输入层（非M-P神经元）接受外界信号传递给输出层，输出层是“M-P神经元”。
2023-09-24 21:41:08
94
1
原创 西瓜书＋南瓜书学习Task3——第四章
若用根蒂为属性对样本进行划分，则离散属性a指根蒂，V可能的取值为“蜷缩”：a1，“微蜷”：a2，“硬挺”：a3，三种情况。将每一个样本的属性划分成不同的特征空间，通过树的结构对属性的不同取值分别讨论，达到最终目的：将样本越分越“纯”，从而产生一棵处理未见事例能力强的决策树。代表划分前的信息熵，后面的一项代表划分后子节点的信息熵乘权重的总和，即划分后的总信息熵。举例：某节点的父节点含100个样本，其中A类70个，B类30个，C类0个，它分出C类子节点中样本数目为0，则将其直接标记为A类叶子节点。
2023-09-21 20:41:24
86
原创 西瓜书+南瓜书学习Task2——第三章3.1-3.4
定义：若在区间 [a，b] 上，函数 f 在此区间上的两点 x1、x2，满足 f( (x1 + x2) / 2 )
2023-09-18 20:14:16
91
原创 西瓜书+南瓜书学习Task1——第一章至第二章2.32
机器学习三观：what，why，how（1）What : 研究关于“学习算法”的一门学科。“算法”和学习算法的区别：算法指从数据中学得模型的具体方法；“学习算法”指一类能从数据中学习出其背后潜在规律的算法。（2）Why : 为以后的职业选择提供知识储备。从事机器学习理论的研究；从事机器学习系统的开发；将机器学习中的算法迁移应用到自己的领域；从事AI应用方向的研究：如NLP，CV，推荐系统等。How : 学到何种程度？在学习过程中能看懂每一步基本推导过程即可不必达到熟稔于心的地步；
2023-09-12 21:39:34
114
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