qq_33824968的博客

Page 121~Page 123 比较好的推文可以参考这篇，讲的比西瓜书详细 关于svm的推导不准备赘述了，这里只注重结论， 超平面 wTx+ b = 0 对于线性可分的情况，超平面其实是我们需要求的东西 支持向量 就是离超平面最近的向量，可以是一个可以是多个 根据相关公式推导：最终要求的最优的超平面其实只要优化 凸函数： 对于一元函数f(x)，我们可以通过其二阶导数f″(x) 的符号来判断。如果函数的二阶导数总是非负，即f″(x)≥0 ，则f(x)是凸函数对于多元函数f(x)，我们可以通过其Hes

pdf: Page115~Page 120 机器学习本质上属于应用统计学，更多地关注于如何用 计算机统计地估计复杂函数，不太关注为这些函数提供置信区间 ? 学习算法中的学习是什么意思 对于某类任务 T(target) 和性能度量P(performance measurement) ，一个计算机程序被认为可以从经验 E (experience)中学习是指，通过经验 E 改进后，它在任务 T 上由性能度量 P 衡量的性能有所提升 样本: 我们从某些希望机器学习系统处理的对象或事件中收集到的已经量化的 特征（f