机器学习基石
奋斗小崽
供自我学习之用
展开
-
Course7-The VC Dimension(VC维度)
一、Definition of VC Dimension(定义)2、问题二、VC Dimension of Perceptrons(感知机Vc)2、问题三、Physical Intuition VC Dimension(物理直觉VC维度)2、问题四、Interpreting VC Dimension(解读VC维度)...原创 2020-10-17 21:29:01 · 165 阅读 · 0 评论 -
Course6-Theory of Generalization(泛化理论)
一、Restriction of Break Point(断点限制)我们先回顾一下上节课的内容,四种成长函数与break point的关系:原创 2020-10-17 18:41:23 · 206 阅读 · 0 评论 -
Course5-Training versus Testing
一、Recap and Preview(回顾和预览)2、问题二、Effective Number of Line(有效线路数)也就是说union bound被估计过高了(overestimating)。所以,我们的目的是找出不 同BAD events之间的重叠部分,也就是将无数个hypothesis分成有限个类别。 如何将无数个hypothesis分成有限类呢?我们先来看这样一个例子,假如平面上用直 线将点分开,也就跟PLA一样。如果平面上只有一个点..原创 2020-10-06 20:40:08 · 99 阅读 · 0 评论 -
Course4-Feasibility of Learning
一、1、有3个label为1的九宫格和3个label为+1的九 宫格。根据这6个样本,提取相应label下的特征,预测右边九宫格是属于1还是+1? 结果是,如果依据对称性,我们会把它归为+1;如果依据九宫格左上角是否是黑色, 我们会把它归为1。除此之外,还有根据其它不同特征进行分类,得到不同结果的情 况。而且,这些分类结果貌似都是正确合理的,因为对于6个训练样本来说,我们选择 的模型都有很好的分类效果再来看一个比较数学化的二分类例子,输入特征x是二进制的、三维的,对应有8种输 入,..原创 2020-10-06 18:34:00 · 119 阅读 · 0 评论 -
Course3 Types of Learning
一、Learning with Different Output Space Y1、两元分类二元分类是机器学习领域非常核心和基本的问题。二元分类有线性模型 也有非线性模型,根据实际问题情况,选择不同的模型。2、多元分类将1、5、10、25硬币分类3、回归二元分类和多元分类都属于分类问题,它们的输出都是离散值。二对于另外一种情 况,比如训练模型,预测房屋价格、股票收益多少等,这类问题的输出y=R,即范围 在整个实数空间,是连续的。这类问题,我们把它叫做回归(Regressi..原创 2020-10-01 15:33:46 · 342 阅读 · 0 评论 -
Course2- Learning to Answer YesNo
一、复习根据模型H,使用演算法A,在训练样本D上进行训练,得到最好的 h,其对应的g就是我们最后需要的机器学习的模型函数,一般g接近于目标函数f。二、1、感知器假设集 感知器学习算法 感知器学习保障 不可分离数据三、Perceptron Hypothesis Set1、根据输入多维度,w代表输入多维度的重要性,threshold是设定的门槛值,判断输入各维度值和重要性相乘的累加和与门槛值的大...原创 2020-09-27 01:05:35 · 92 阅读 · 0 评论 -
Course1 初步介绍
仅供自己学习之用学习主题:• When Can Machines Learn? (illustrative + technical) • Why Can Machines Learn? (theoretical + illustrative) • How Can Machines Learn? (technical + practical) • How Can Machines Learn Better? (practical + theoretical) 8 w...原创 2020-09-21 23:42:59 · 794 阅读 · 0 评论