台湾大学林轩田老师机器学习基石:内容简介

该课程介绍了机器学习的基础知识,包括ML简介、与数据挖掘、AI和统计的区别,以及perceptron线性分类器。课程深入讨论了ML的分类、PAC学习原理、VC维数、噪声和误差、线性回归与逻辑回归、多类别分类、非线性假设、正则化、交叉验证和模型选择等核心概念。此外,还探讨了何时、为什么及如何机器学习的问题,强调防止过拟合和学习原则。
摘要由CSDN通过智能技术生成

第一周:ML简介、ML与DM/AI/Statistics的区别

第二周:perceptron线性分类器

第三周:从输入特征、输出空间、label状况、学习方式四方面对ML进行分类

第四周:PAC学习原理(尽量大的训练集D和有限的假设空间H)

第五-七周:'Shatter' and VC Dimension(打散和VC维度)(无限假设空间,但可以分为有限个不同类别的空间,即VC Dimension有限,D尽量大,则学到的model可以较好泛化到测试集)

百度百科:

VC维(Vapnik-Chervonenkis Dimension)的概念是为了研究学习过程 一致收敛的速度和推广性,由统计学理论定义的有关函数集学习性能的一个重要指标。
传统的定义是:对一个指示函数集,如果存在H个样本能够被函数集中的函数按所有可能的2的H次方种形式分开,则称函数集能够把H个样本打散;函数集的VC维就是它能打散的最大样本数目H。若对任意数目的样本都有函数能将它们打散,则函数集的VC维是无穷大,
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值