qq_42548062的博客

原创 01

绪论1.机器学习1.计算机从数据中产生“模型”的算法，即学习算法。2.监督学习分类：预测的是离散值。回归：预测的是连续值。无监督学习聚类：对数据分组【困难点】与训练集一致的假设集合为“版本空间”。按想得的结果分为正例、反例，保留正例、删除反例留下来的集合即为版本空间。2.模型精度评估1.经验误差与过拟合2.误差——实际预测输出与样本的真实值输出之间的差异。 学习器在训练集上的误差为训练误差或经验误差，在新样本上的误差成为泛化误差。3.过拟合与欠拟合 过拟合-过配：学到了不一

原创 01

绪论1.机器学习1.计算机从数据中产生“模型”的算法，即学习算法。2.监督学习分类：预测的是离散值。回归：预测的是连续值。 无监督学习聚类：对数据分组【困难点】与训练集一致的假设集合为“版本空间”。按想得的结果分为正例、反例，保留正例、删除反例留下来的集合即为版本空间。2.模型精度评估1.经验误差与过拟合2.误差——实际预测输出与样本的真实值输出之间的差异。 学习器在训练集上的误差为训练误差或经验误差，在新样本上的误差成为泛化误差。3.过拟合与欠拟合 过拟合-过配：学到了不一般的特性当做

原创 【无标题】

绪论1.机器学习1.计算机从数据中产生“模型”的算法，即学习算法。2.监督学习分类：预测的是离散值。回归：预测的是连续值。无监督学习聚类：对数据分组【困难点】与训练集一致的假设集合为“版本空间”。按想得的结果分为正例、反例，保留正例、删除反例留下来的集合即为版本空间。2.模型精度评估1.经验误差与过拟合2.误差——实际预测输出与样本的真实值输出之间的差异。 学习器在训练集上的误差为训练误差或经验误差，在新样本上的误差成为泛化误差。3.过拟合与欠拟合 过拟合-过配：学到了不一

原创 2021-08-20 DatawhaleR语言Task01

资料来自Datawhale社群

原创 DatawhaleR语言学习Task00~资料来自Datawhale社群

原创 小白机器学习打卡接上

决策树

原创 小白西瓜书机器学习打卡Task4部分

1.基本原理：达到某种阈值即可激活函数，产生神经元的输出。2.所应用的函数：sigmoid函数，挤压函数3.多层神经元解决非线性可分问题----多层前馈神经网络模型输入层，隐层，输出层。

原创 小白西瓜书机器学习Task3打卡

原创 小白西瓜书机器学习打卡Task2

7.18正交回归均方误差点到直线最短的距离为误差——正交回归点到直线的竖直距离为误差——线性回归均方误差最小的直线

原创 小白机器学习打卡1

绪论1.机器学习1.计算机从数据中产生“模型”的算法，即学习算法。2.监督学习分类：预测的是离散值。回归：预测的是连续值。无监督学习聚类：对数据分组【困难点】与训练集一致的假设集合为“版本空间”。按想得的结果分为正例、反例，保留正例、删除反例留下来的集合即为版本空间。2.模型精度评估1.经验误差与过拟合2.误差——实际预测输出与样本的真实值输出之间的差异。 学习器在训练集上的误差为训练误差或经验误差，在新样本上的误差成为泛化误差。3.过拟合...