![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习(周志华)
文章平均质量分 79
ML--小小白
实验物理phd,可能毕业去业界。。。。。学了学当今时代的浪潮之巅——AI
展开
-
《机器学习》(周志华) 第6章 支持向量 学习心得 笔记
支持向量机(Support Vector Machine,SVM)的主要目的就是在特征空间中找到距离正反例最远的分离超平面,由于是“最远”因此与上一章感知机里初值敏感,由误分类点修正最后得到的“初值敏感”的超平面不同,对于线性可分的(linearly separable)数据集,SVM确定的分离超平面是唯一的,超平面上的点可以用“平面”方程表示:wTx+b=0\boldsymbol{w}^{\mathrm{T}} \boldsymbol{x}+b=0wTx+b=0而任意样本x\boldsymbol{原创 2022-07-26 16:53:15 · 1014 阅读 · 1 评论 -
《机器学习》(周志华) 第5章 神经网络 学习心得 笔记
神经元(neuron,亦称unit)其实就是一个小型的分类器,其将从其他神经元输入的信息带权重连接进入,然后比较其与阈值的相对大小,并将差异通过激活函数(activationfunction),决定其是否被”激活“/”兴奋“。这种神经元的抽象模型1943年就被提出了,被两位提出者名字首字母命名为”M-P神经元模型“。最常使用的激活函数为Sigmoid(亦称squashing)函数。...原创 2022-07-22 22:20:59 · 1486 阅读 · 2 评论 -
《机器学习》(周志华) 第4章 决策树 学习心得 笔记
主要是一个递归过程。原创 2022-07-21 11:22:31 · 599 阅读 · 0 评论 -
《机器学习》(周志华) 第3章 线性模型 学习心得 笔记
线性模型是试图学习通过样本属性/特征的线性构成的假设函数的模型。f(x)=w1x1+w2x2+…+wdxd+bf(x)=wTx+b线性模型是机器学习中基础的模型,很多非线性模型无非是在线性模型基础上引入层级结构或者高维映射而得到。...原创 2022-07-17 16:02:52 · 954 阅读 · 0 评论 -
《机器学习》(周志华)第2章 模型选择与评估 笔记 学习心得
误分类样本占总样本的比例正确分类样本数与总样本数的比;等于1减去第一行表示真实的正例,第二行表示真实的反例;第一列表示模型预测的正例,第二列表示模型预测的反例。真实正例,且被模型判为正例。混淆矩阵的元素。真实正例,但被模型误判为反例。混淆矩阵的元素。真实反例,但被模型误判为正例。混淆矩阵的元素。真实反例,且被模型判为反例。混淆矩阵的元素。以信息检索为例,就是“检索出的信息中有多少比例是用户真正感兴趣的”,或者说检索出的正例中,有多少是真正的正例。P=TPTP+FPP = \frac{TP}{TP +原创 2022-07-12 18:26:34 · 667 阅读 · 0 评论 -
《机器学习》(周志华)第一章 绪论 笔记 学习心得
由于我之前已经学过了李航老师的《统计学习方法(第2版)》,所以这里面的概念没有啥不懂得,不会像教程说的有些难,毕竟学过一部分了。而且,这本书确实比李航老师涵盖的可能更广些,从绪论可见一斑。其中的可以说拓展了我的知识面,之前只是认为,有了假设(模型),有了损失函数,去优化求的最小的损失就可以了,但是其实一直忽略了一个更重要的,更高一层的东西,假设空间里学习到的最终的模型,其实是有他自己的“偏好”的,只是恰好有些偏好的模型,更能够得到我们更好的训练以及范化结果。特别是,这里提到了NFL(No Free Lunc原创 2022-07-12 18:25:34 · 377 阅读 · 0 评论