![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习(理论篇)
文章平均质量分 93
liying_tt
这个作者很懒,什么都没留下…
展开
-
Day05-《西瓜书》-支持向量机(DataWhale)
六、支持向量机 **来源:**https://www.bilibili.com/video/BV1Mh411e7VU?p=9 6.1 间隔与支持向量 训练样本集D={(x1,y1),(x2,y2),...,(xm,ym)},yi∈{−1,+1}D=\{(x_1,y_1),(x_2,y_2),...,(x_m,y_m)\},y_i\in\{-1,+1\}D={(x1,y1),(x2,y2),...,(xm,ym)},yi∈{−1,+1},分类学习的基本思想是:基于训练集D在样本空间中找到一个原创 2021-07-29 09:11:33 · 125 阅读 · 0 评论 -
Day04-《西瓜书》-神经网络(DataWhale)
五、神经网络 (neural networks) 5.1 神经元模型 (neuron) 神经元接收到来自n个其他神经元传递的输入信号,这写信号通过带权重的连接进行传递,神经元接受到的总输入值与神经元的阈值进行比较后,通过激活函数处理产生神经元的输出。 激活函数 理想的激活函数是阶跃函数,但是阶跃函数步连续,不光滑。实际使用Sigmoid函数。 将一个神经网络视为包含了许多参数的数学模型,这个模型有若干个函数。例如yi=f(∑iwixi−θj)y_i = f(\sum_iw_ix_i-\theta_j)y原创 2021-07-25 19:02:29 · 391 阅读 · 3 评论 -
Day01-《西瓜书》-模型评估与选择(DataWhale)
一、绪论 出处: Datawhale吃瓜教程(https://www.bilibili.com/video/BV1Mh411e7VU) 案例: 水果摊旁,挑个根蒂蜷缩,敲起来声音浊响的青绿西瓜。期待是皮薄后瓤甜的瓜 1.1 引言 机器学习 研究如何通过计算的手段,利用经验来改善系统自身的性能。 经验以数据形式存在 学习算法 在计算机上从数据中产生模型的算法 模型 泛指从数据中学到的结果 机器学习分类 根据训练数据是否拥有标记信息 监督学习(supervised learning):分类原创 2021-07-13 11:52:05 · 148 阅读 · 1 评论 -
Day03-《西瓜书》-决策树(DataWhale)
四、决策树 (decision tree) 4.1 基本流程 决策树 是通过一系列规则对数据进行分类的过程。 决策树表示给定特征条件下类的条件概率分布 决策树组成: 内部结点(internal node):表示一个特征或属性 叶结点(leaf node):一个类别或某个值 决策树生成步骤: 特征选择 决策树生成 决策树的修剪 4.2 决策树算法 4.2.1 基础知识 信息熵 自信息: I(X)=−logbp(x) I(X) = -log_bp(x) I(X)=−logbp(x) 熵的理论解释原创 2021-07-22 20:03:35 · 273 阅读 · 2 评论 -
Day02-《西瓜书》-线性模型(DataWhale)
三、线性模型 **出处:**Datawhale吃瓜教程(https://www.bilibili.com/video/BV1Mh411e7VU) 具有很好的可解释性(comprehensibility) 机器学习三要素: 模型:根据具体问题,确定假设空间 策略:根据评估标准,确定选取最优模型的策略(通常会产生一个“损失函数”) 算法:求解损失函数,确定最优模型 3.1 基本形式 给定d个属性描述的示例$ \mathbf{x}=(x_1,x_2,…,x_d)$ 线性模型: f(x)=ω1x1+ω2x2+.转载 2021-07-19 21:27:28 · 82 阅读 · 0 评论