西瓜书笔记
学习笔记
西檬饭
这个作者很懒,什么都没留下…
展开
-
线性模型
周志华《机器学习》学习笔记 线性模型 通过属性的线性组合来进行函数预测, f(x)=w1x1+w2x2+...+wdxd+bf(x)=w1x1+w2x2+...+wdxd+bf(x) = w_1x_1+w_2x_2+...+w_dx_d+b 使用向量形式f(x)=wTx+bf(x)=wTx+bf(x) = w^Tx+b 其中x=(x1,x2,..,xd)x=(x1,x2,..,xd)...原创 2018-05-09 15:12:11 · 303 阅读 · 0 评论 -
贝叶斯决策
贝叶斯决策简介 贝叶斯决策是基于所有相关概率已知情况下,结合误判损失来选择最优的类别标记的一种决策方法。 假设有N种可能的标记,λijλij\lambda_{ij}是将一个真实标记为cicic_i的样本误判为类别cjcjc_j所产生的损失。 条件风险:R(ci|x)=∑j=1NλijP(cj∣∣x)R(ci|x)=∑j=1NλijP(cj|x)R\left ( c_{i} \right |x...原创 2018-09-02 15:01:35 · 2846 阅读 · 0 评论 -
支持向量机
《机器学习》周志华 读书笔记 1. 间隔与支持向量 给定样本集,在样本空间中找到一超平面将不同的类别的数据划分开。我们希望能够找到两类样本“正中间”的那个超平面。因为那个超平民啊的容忍度最好,鲁棒性最好。 超平面方程可使用下面的线性方程来描述: wTx+b=0wTx+b=0w^Tx + b =0w=(w1;w2;w3;..;wd)w=(w1;w2;w3;..;wd)w=(w_1;w_2;w...原创 2018-09-02 15:38:33 · 169 阅读 · 0 评论 -
特征选择
《机器学习》笔记 1. 基本概念 对学习任务有用的特征被称为相关特征; 岁学习任务没有用的特征被称为无采用特征; 给定特征的集合,从中选出相关特征子集的过程就是特征选择。 2. 为什么要做特征选择? 感性的认识 : 学习任务中提供的特征可能有很多,比如要挑选一个好瓜,有色泽,根蒂,敲声,纹理等,但是会挑瓜的人只要听听敲声,看看色泽就能确定是不是一个好瓜。 理性的认识: 就如上...原创 2018-09-15 23:44:14 · 389 阅读 · 0 评论