- 博客(5)
- 收藏
- 关注
RSS订阅
原创 西瓜书《机器学习》课后习题NFL
NO FREE LUNCH(没有免费的午餐定律——NFL)该定理内容是，任意两个不同的归纳偏好（类似选择模型的“价值观”）/学习算法e，对于世界上所有问题的总误差是一样的（误差的总期望）。 换句话说，也就是，无论算法的是否聪明，或者聪明程度如何，都不是任何问题都适用，总有有些适用，有些不适应，比例五五开。所以得具体问题具体对待。本题是原书上的例题的扩展，例题内假设问题是分类问题，可以算...
2019-01-07 18:37:09
842
原创 python爬虫(机器学习数据集的制作方式之一)
好多python学习的书籍，最后一章，都会以python爬虫作为收尾的考核学习。在我看来，这个只是机器学习的开始。因为现在主流的 统计机器学习，都是需要训练集的。而训练集的收集，除了在网上找一些别人已经收集好的。还需要自己能够收集数据！ 自己的训练网络，自己的数据适应性肯定是最好的。如果用别人的 训练集，还得按照别人的训练集是否有Label ，来确定自己是否为有监督模型。 总之！自己
2018-01-20 13:49:42
5919
原创 假设空间的一个简单计算
假设空间上一篇提到过，先做一个简单的介绍吧。我们可以把学习过程看作一个假设（hypothesis）所组成的空间中进行搜索的过程，搜索目标是找到于训练集“匹配”（fit）的假设，假设一旦表示确定，假设空间以及其规模大小就可以确定了。 Fx: 西瓜有色泽 “青绿”，“乌黑”，“浅白”。三种颜色。相同的，根蒂和敲声我们都定义为三种。 西瓜也只有这三个属性。 求假设空间多大？
2017-12-19 21:05:16
6586
3
原创 序章（简述机器学习的历史和派系）
下面为我所吸纳的西瓜书内的知识：1980s-1990s 符号机器学习是主流研究派系（西瓜书没有介绍，但是我字面臆测，可能就是给所有逻辑语言或者是事件，加上一个符号标记，然后通过对符号的适应学习，从而能够对对应的逻辑事件进行学习，纯属臆测，如有雷同，纯属我TM运气好（niu bi ））1990s-nowadays 统计机器学习是主流研究派系 统计机
2017-12-18 22:45:37
424
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