- 博客(10)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 华盛顿大学程序设计语言B作业5
这次作业挺难，特别是选做的challenge作业，我没做出来challenge作业。;; Programming Languages, Homework 5#lang racket(provide (all-defined-out)) ;; so we can put tests in a second file;; definition of structures for MUPL ...
2018-10-03 22:56:48
344
原创 华盛顿大学程序设计语言B作业4
#lang racket(provide (all-defined-out)) ;; so we can put tests in a second file;; put your code below(define (sequence low high stride) (if (> low high) null (cons low (sequence...
2018-09-24 11:00:48
603
原创 机器学习基石第八周笔记
前面的学习并没有考虑noise的情况，而在实际中，noise是不可避免的，用银行是否给一个顾客发信用卡为例子，noise可能是： 我们需要搞清楚noise会不会影响我们前面的理论。回忆一下，我们这一切的开始是从罐子里取弹珠，我们把弹珠比作X，而这些弹珠已经是上色了，因为 ...
2018-09-16 22:02:54
162
原创 机器学习基石第七周笔记
我们mH(N)得到了一个上限是多项式的保证： 所以只要我们有足够大的data，然后又有露出一线曙光的break point，我们的演算法可以自由自在的做选择，而无需担心Ein和Eout会差的很远： 学习是可能的： 现在来定义VC dimension：min(break point)-1，即max(non-break point)， 也写作dvc，是H能shatter的最大d...
2018-09-14 22:46:25
285
原创 机器学习基石第六周笔记
我们知道mH(N)和break point会有关系，我们再进行上限处理，将mH(N)更加一般化为B(N,k)。N个数据中，每个点有叉和圈两种情况，任意k个数据都不能出现shatter，这样的数据种类个数最大值就是B(N,k)。B(N,k)是所有break point等于k的mH(N)的上限，我们不再考虑具体hypothesis是什么。 现在来讨论B(N,k)应该是多少。对于k=1的那一列...
2018-09-11 20:57:51
246
原创 机器学习基石第五周笔记
机器学习需要完成两个问题： 1.Ein和Eout尽可能接近 2.Ein要小 对于M来说（M表示hypothesis的size），如果M太小，对于第一个问题是好的，因为我们犯错误的几率降低；然而对第二个问题就不好，因为这意味着我们hypothesis的选择变少了，那不一定能找到一个足够小的Ein。如果M太大，情况又会相反。所以我们M的大小挺重要。 PLA的M是无限大的（如二维平面有无数多...
2018-09-09 18:20:31
282
原创 华盛顿大学程序设计语言第4周作业答案
顺序不对，见谅。这次作业挺难，最后也只得了80分，我就对着答案改了一下。挑战作业依旧不会，标准答案也没给出。exception NoAnswerdatatype pattern = Wildcard | Variable of string | UnitP | ConstP of int | TupleP of patt...
2018-09-09 17:33:25
366
原创 华盛顿大学程序设计语言第三周作业二答案
挑战题看不懂题目意思，最后好像也没给挑战题的标准答案。fun same_string(s1 : string, s2 : string) = s1 = s2fun all_except_option(x',xs)= case xs of []=>NONE | x::xs' =>if same_string(x,x') then SOME(x...
2018-09-07 18:29:44
237
原创 华盛顿大学程序设计语言第二周作业一答案
其实作业不是很难，而且只要你提交后分数到80以上就有标准答案提供。fun is_older(d1:int*int*int,d2:int*int*int)= if (#1 d1)<(#1 d2) then true else if (#1 d1)=(#1 d2) andalso (#2 d1)<(#2 d2) then true else if...
2018-09-07 18:27:10
289
原创 机器学习基石第四周笔记
我们用罐子取弹珠来模拟机器学习，罐子里的弹珠类比x，假设我们已经通过机器学习得到了hypothesis h(x)，用这个h(x)分类正确的x设为绿色弹珠，分类错误设为橘色弹珠，为了能估计Eout，我们取出一些弹珠求出绿色弹珠的比例，即求Ein，就能估计Eout，而能为我们的估计作出保证的就是Hoeffding不等式。 但是上述这一过程并没有进行机器学习，因为我们已经事先得到了一个hy...
2018-09-07 18:19:12
314
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人