- 博客(5)
- 收藏
- 关注
RSS订阅原创 吃瓜笔记--西瓜书第六章支持向量机
第六章 支持向量机6.1 间隔与支持向量算法原理从几何角度，对于线性可分的数据集，支持向量机就是找距离正负样本都最远的超平面，相比于感知机，其解是唯一的，且泛化性更好。感知机解不唯一，把正负样本分开即为最优解。感知机求得的超平面很有可能距离正样本很近或距离负样本很近，泛化性能不好。超平面几何间隔支持向量机要找到具有最大间隔的划分超平面，可以转化为带约束条件的优化问题。也即支持向量机通常采用拉格朗日对偶来求解。6.2 对偶问题KKT条件原优化问题6.3 核函数
2021-07-29 15:43:05
3108
原创 吃瓜笔记--西瓜书学习笔记第五章神经网络
第五章 神经网络5.1 神经元模型神经网络（neural networks）神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。神经网络中最基本的成分是神经元模型，即上述定义中的“简单单元”。如果某神经元的电位超过一个阈值，那么它就会被激活，即“兴奋”起来，向其他神经元发送化学物质。M-P神经元模型神经元接受来自其他n个神经元的输入信号，通过带有权重的连接进行传递，与阈值（threshold）进行比较后，经过激活函数（activa
2021-07-25 23:11:51
104
原创 吃瓜笔记--西瓜书学习笔记第四章决策树
第四章：决策树4.1 基本流程4.1.1 决策树的结构4.1.2 决策树学习基本算法4.2 划分选择4.2.1 决策树学习的关键4.2.2 信息增益(information gain)信息熵属性a的信息增益Gain(D,a)Gain(D,a)Gain(D,a)4.2.3 增益率(gain ratio)4.2.4 基尼指数(Gini index)基尼值基尼指数(Gini index)4.3 剪枝处理（决策树对付过拟合的主要手段）4.3.1 预剪枝(prepruning)4.3.2
2021-07-22 23:42:01
273
原创 吃瓜笔记--西瓜书学习笔记第三章
第三章 线性模型机器学习三要素模型：根据具体问题，确定假设空间。策略：根据评价标准，确定选取最优模型的策略（通常会产生一个“损失函数”）。算法：求解损失函数，确定最优模型。在学习算法时，根据机器学习三要素的大框架，确定模型是什么以及有哪些策略及算法。3.2 线性回归3.2.1 算法原理：线性模型，对输入样例各个特征进行线性加权得到预测的输出。关于特征量化 对于离散特征，若特征有序，如“大 中 小”，可按序量化为“小：1，中：2，大：3”；若特征无序，如肤色，就可以表示为“黄：（1
2021-07-20 00:31:29
150
原创 吃瓜笔记--西瓜书学习笔记一二章
第一章 绪论1.1 引言机器学习定义：它致力于研究如何通过计算的手段，利用经验来改善系统自身的性能。 假设用P来评估计算机程序在某任务类T上的性能，若一个程序通过利用经验E在T中任务上获得了性能改善，我们就说关于T和P，该程序对E进行了学习。机器学习所研究的主要内容：关于在计算机上从数据中产生“模型”的算法，即“学习算法”。本书中模型泛指从数据中学得的结果。1.2 基本术语数据数据集（data set）：一组记录的集合。示例（instance）/ 样本（sample）：数据集中
2021-07-13 23:16:15
116
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人