机器学习
文章平均质量分 93
资料加载中
挑战AIGC100论文阅读
展开
-
《统计机器学习》学习笔记第三章之K近邻
K近邻的原理和实现方法原创 2023-04-08 19:46:23 · 386 阅读 · 0 评论 -
《统计学习方法》学习笔记之第一章
过拟合(Over-Fitting):学习所的模型包含参数过多,出现对已知数据预测很好,但对位置数据预测预测很差的现象。结构风险在经验风险的基础上加了正则项(针对模型的复杂度),平衡了经验风险和模型的复杂度。在模型选择时,选择所有可能模型中,能很好解释已知数据并且十分简单的模型。最优模型:不存在显示解析解的情况下,可以使用梯度下降的数值运算方法。使某些参数为零,可以起到特征筛选的作用,稀疏模型,非零参数个数很少。损失函数的期望值,所求的积分是在全样本上进行的。损失函数:度量模型一次预测的好坏,记作。原创 2023-04-02 11:58:11 · 1346 阅读 · 0 评论 -
《统计学习方法》学习笔记之第二章:感知机
统计学习方法学习笔记:感知器 理解每一个知识点,手敲公式加实例,啃透为止原创 2023-04-04 13:16:54 · 689 阅读 · 0 评论