- 博客(8)
- 收藏
- 关注
原创 AI学习笔记(7)——性能度量
首先,我们要知道的一件事是,模型的好坏是相对的而不是客观的,模型的好坏不仅取决于之前所说的算法,数据甚至是调参等等,还取决于任务的需求,而面对不同的任务需求,使用不同的性能度量(performance measure)来获取最适合的模型,也就成了必须面对的问题。 而在机器学习中,对于预测型的任务,我们要获得的是一个预测值,所以最常用的就是“均方误差”(mean squared error)也就是...
2018-02-11 17:50:18
358
原创 AI学习笔记(6)——模型评估的几种方法
训练误差(training error)或经验误差(empirical error):学习器在训练集上的误差。泛化误差(generalization error):学习器在新样本上的误差。因为我们不可能真的获取到整个数据集,而且如果我们能对整个数据集进行学习,也就不需要机器学习算法了,机器学习的目的,就在于用有限的数据训练机器,然后用学得的模型去解决未知的同类问题。 所以如何在训练模型的...
2018-02-10 20:36:13
1957
原创 AI学习笔记(5)——第一章课后题
习题1.1在假设空间(图1.1)把所有包含(色泽=乌黑;根蒂=稍蜷;敲声=沉闷)的集合节点全部去掉即可。习题1.2此题没有想到什么比较好的分类方法,因为要去掉冗余的情况,所以只要使相并的集合不为属于的关系就可以了,也就是不能出现非*的属性值相同,同时一个*多一个*少的情况。 首先去想k=2的情况,全*肯定是最根部的集合,往下一层是有一个集合是双*的情况,拿色泽为例,则有3种,然后另外一...
2018-02-10 10:27:04
262
原创 AI学习笔记(4)——人工智能的发展历程
推理期(二十世纪五十年代到七十年代初)这个时期人们还认为只要赋予了机器推理的能力,机器就可以具有智能。而这个时期的一些成果也确实令人振奋,比如“逻辑理论家”(Logic Theorist)成功于1952年证明了《数学原理》中的38条定理,而于1963年证明了全部的52条定理,且其中的定理2.85甚至比罗素和怀特海证明的更巧妙。知识期(二十世纪七十年代中期到二十世纪八十年代)人们认识到只是推理还远
2018-02-09 20:59:04
512
转载 markdown编辑器
欢迎使用Markdown编辑器写博客本Markdown编辑器使用StackEdit修改而来,用它写博客,将会带来全新的体验哦:Markdown和扩展Markdown简洁的语法代码块高亮图片链接和图片上传LaTex数学公式UML序列图和流程图离线写博客导入导出Markdown文件丰富的快捷键快捷键加粗 Ctrl + B 斜体 Ctrl + I 引用 Ctrl
2018-02-09 20:21:27
121
原创 AI学习笔记(3)——归纳偏好
归纳偏好(inductive bias):机器学习算法在学习过程中对某种类型假设的偏好。奥卡姆剃刀(Occam's razor):若有多个假设与观察一致,则选最简单的那一个。“没有免费的午餐”定理(No Free Lunch Theorem 简称NFL定理)如上篇文章所讲的,当版本空间或者说模型形成之后,模型中往往存在多个不同的但都符合训练集的假设,然而当面临新的样本时,选择不同的假设,却会产生不...
2018-02-09 13:52:58
1431
原创 AI学习笔记(2)——假设空间的个人理解
我个人对于假设空间的理解,就是一个类似于树的结构,由根到树叶每个节点都代表一个集合,而每个孩子都是父节点的一个子集,所有的儿子节点的并集就是父节点的集合。所以,整棵树的根就是(属性A=*,属性B=*...属性N=*)的全集。相对于假设空间,版本空间则是假设空间的一部分,它包含的是删除所有假设空间中与正例不一致的节点后得到的子树,而不是所有包含正例的节点所形成的子树,这也就是为什么一般版本空间不会...
2018-02-09 12:50:24
430
原创 AI学习笔记(1)——基本术语和相关解释
1.数据集(data set):整个数据的集合。2.示例(instance)或样本(sample):数据集中的每条记录,有时也用来代指整个数据集。3.属性(attribute)或特征(feature):如“色泽”、“根蒂”、“敲声”。4.属性值(attribute value):如“浅白”、“硬挺”、“清脆”。5.属性空间(attribute space)、样本空间(sample space)或输...
2018-02-09 12:32:12
465
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