![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
打卡,机器学习
最最最上进
这是一个立志要学习的博客~每天打卡~
展开
-
机器学习(统计学习方法)
昨天有些私事,今天补过。统计学习方法 李航:Day 1: 统计学习主要是由:监督学习(supervised learning)、非监督学习、半监督学习、强化学习组成,主要应用监督学习。 监督学习,主要由数据,模型、算法组成。给定已知的输入与输出,通过其统计规律,得出其相关关系,再预测未知,即为监督学习。 P(x,y)联合概率分布,统计其分布规律,y=f(x)决策函数。原创 2017-07-31 19:43:09 · 403 阅读 · 0 评论 -
机器学习(统计学习方法)2
Day 2有事补过,今天二更 模型、策略,算法是统计学习三要素。 训练误差与测试误差。 训练误差的大小对判断给定的问题是不是一个容易学习的问题具有一定意义。 通常将学习方法对未知数据的预测能力成为泛化能力。 过拟合现象:过分追求其预测结果的准确性,而其复杂程度比真模型还高。此现象导致其对已知数据预测很好,但对未知数据预测很差的现象。原创 2017-07-31 21:08:01 · 266 阅读 · 0 评论 -
机器学习(统计学习方法)3
Day 3正交化与交叉验证正交化 正则化是结构风险最小化策略的实现,是在经验风险上加一个正则化项(regularizer)或罚项(penalty term)。模型越复杂,正则化值越大。 先验概率(prior probability)是指根据以往经验和分析得到的概率,如全概率公式,它往往作为"由因求果"问题中的"因"出现的概率·。交叉验原创 2017-07-31 21:41:14 · 445 阅读 · 1 评论 -
机器学习(统计学习方法8)
Day 8算法的收敛性对于线性可分数据集感知机学习算法原始形式收敛,即经过有限次迭代可以得到一个将训练数据集完全正确划分的正确超平面及感知机模型。感知机算法的对偶形式原创 2017-08-07 22:17:58 · 396 阅读 · 0 评论 -
机器学习(统计学习方法)4
生活有懒散,而我仍拖懒~Day 41.7 生成模型与判别模型 监督学习方法可以分为:生成方法与判别方法,与此对应生成模型与判别模型。 生成方法即由数据学习联合概率分布(P(x,y)),再由概率条件分布(p(y|x))作为预测的模型,即是生成模型: 之所以命名为生成方法,是因为模型给出了输入X产生输出Y的生成关系。典型的生原创 2017-08-03 10:42:11 · 221 阅读 · 0 评论 -
机器学习(统计学习方法)5
Day 51.9 标注问题标注问题分为学习跟标注两个过程,学习系统根据一个学习训练集模型,表示为一个条件概率分布,X代表所有可能的观测,Y代表所有可能的标记。not understanding much~~~1.9 回归问题回归模型表示输入到输入之间的映射问题,其等价于函数的拟合。回归函数具有学习与预测两个过程。其可分为:一元回归跟多元回归;原创 2017-08-03 14:27:47 · 271 阅读 · 0 评论 -
机器学习(统计学习方法)6【第二章.感知机】
Day 6感知机是二类分类的线性分类模型,其输入为实例的特征向量,输出为实例的类别,为判别模型。2.1 感知机模型感知机模型的假设空间是定义在特征空间的所有线性分类模型,或线性分类器,即函数集合。感知机解释有线性方程:w。x+b=0,对于特征空间一个超平面s,w是超平面的法线,b是超平面的截距,这个超平面将特征空间划分为两部分,分别为正类和负类,因此,超平面s称为分离超平面原创 2017-08-03 14:55:58 · 335 阅读 · 0 评论 -
机器学习(统计学习方法)7 【感知机学习算法】
Day 72.3感知机学习算法原创 2017-08-04 20:03:50 · 509 阅读 · 0 评论