![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
西瓜书
文章平均质量分 80
GeekmanX
相濡以沫,不如相忘于江湖!
展开
-
Chapter3-线性模型线性模型
Chapter3-线性模型线性模型 试图学得一个通过对属性线性组合来进行预测的函数,基本形式如下:f(x)=wTx+b f(x) = w^T x + bf(x)=wTx+b确定了 www 和 bbb,则模型就确定下来。优点:形式简单,易于建模;可解释性强:www 表达了各个属性在预测中的重要性。## 线性回归我们可以用线性模型来做简单的回归任务,即根据样本的属性预测样本的标签值。均方误差是回归任务中常用的性能度量,其几何意义是欧几里得距离。基于均方误差求解的方法即为最小二乘法,目标是找出一条直线使所有样本到原创 2021-07-20 00:13:51 · 88 阅读 · 0 评论 -
Task01 吃瓜—绪论
Task01 吃瓜—绪论 一、没有免费的午餐(No Free Lunch Theorem) 所有学习算法的期望性能相同(只是处理不同的问题时,学习算法A优于学习算法B) 二、过拟合(overfitting)与欠拟合(underfitting) 过拟合:学习样本集非一般特征,泛化性能下降 解决方法: 选择泛化误差最小的模型 增加噪声,数据增强(旋转,裁剪,光照,翻转) 减小网络规模(不常用) 正则化 欠拟合:没有学到样本集一般特征 解决方法: 在决策树中增加分支 神经网络学习中多训练几轮原创 2021-07-13 23:04:02 · 98 阅读 · 0 评论