机器学习
qq_39701758
这个作者很懒,什么都没留下…
展开
-
np-hard
http://blog.csdn.net/u014295667/article/details/47090639由图像理解:p类问题可证可解np问题可证例子npc问题是np-hard里面可以证例子的为什么说若p不等于np则过拟合无法避免?因为:算法需要在多项式时间内运行完成所以:不存在过拟合《=》经验误差最小化能获得最优解《=》p问题=np问题...原创 2018-03-14 21:14:56 · 165 阅读 · 0 评论 -
李航 第一章 概述
1.什么是过拟合?为什么要解决过拟合?如何解决?1)图像解释:略 文字解释:模型学习了训练样本中“并不一般”的特性(摘自西瓜书),即复杂度高于理想值2)我们的目的是最小化预测误差 使得预测值和真实值尽可能的接近 途径是通过最小化损失函数使得训练误差最小 但训练误差天然会随模型复杂度增大而降低 模型复杂度升高,出现过拟合,此时训练误差仍在变小(贴合训练样本),但预测误差在增大...原创 2018-03-11 00:17:40 · 173 阅读 · 0 评论 -
李航 第二章 感知机perceptron
感知机perceptron适用范围:数据集线性可分 【非线性可分(西瓜书p100 图5.4 第4个)——神经网络的多层结构可解决】策略:找到一个线性可分的超平面使得误分点到超平面距离和(loss func)最小。损失函数首先想到误分点个数——存在问题:非连续可导,所以参数估计困难选择距离(连续可导)——存在问题:不稳健,即需要注意远离超平面的点的影响或考虑加权...原创 2018-03-11 00:40:19 · 213 阅读 · 0 评论 -
梯度下降法
一、gd和ols:https://www.zhihu.com/question/20822481理解:ols原理是极值即损失函数最小值,所以可以轻易达到全局最优的闭式解close form。 然而它具有多种局限性:只能解决线性回归、参数估计时要求xtx可逆(存在x多重共线性下估计效率很差的问题)、矩阵计算量大、需要高斯马尔科夫条件才能保证blue性质。 所以考虑...原创 2018-03-11 01:28:35 · 141 阅读 · 0 评论 -
CNN
https://baijiahao.baidu.com/s?id=1581722799727828994&wfr=spider&for=pchttp://blog.csdn.net/yunpiao123456/article/details/52437794http://blog.csdn.net/qq_25762497/article/details/51052861https:...原创 2018-03-11 04:58:03 · 156 阅读 · 0 评论 -
kd树
https://www.cnblogs.com/21207-iHome/p/6084670.html转载 2018-03-11 05:37:44 · 275 阅读 · 0 评论