机器学习基石
东坡酸奶球
知识是力量,圆脸即正义。
展开
-
机器学习基石ch5
五、Training versus Testing训练与测试。5.1 Recap and Preview回顾以及预览。首先回顾一下上一章学过的内容,学习在何种情况下是可行的。在可学习的数据来自于一个统一的分布(distribution),且假设空间中的假设函数为有限个的情况下,其学习流程图如图5-1所示。 图5-1 一种可行的学习流程图 此图和前几章中的流程图最大的不同是加入了一个模块,准确的说是...转载 2018-02-10 21:12:16 · 307 阅读 · 0 评论 -
机器学习基石ch6
六、Theory of Generalization 泛化理论(举一反三)。6.1 Restriction of Break Point突破点的限制。回顾一下上一章中提到的成长函数 的定义:假设空间在N个样本点上能产生的最大二分(dichotomy)数量,其中二分是样本点在二元分类情况下的排列组合。上一章还介绍了突破点(break point)的概念,即不能满足完全分类情形的样本点个数,完全二分类...转载 2018-02-10 23:15:19 · 226 阅读 · 0 评论 -
机器学习基石ch1
先简单介绍下这门课程,这门课是在著名的MOOC(Massive Online Open Course大型在线公开课)Coursera上的一门关于机器学习领域的课程,由国立台湾大学的年轻老师林轩田讲授。这门叫做机器学习基石的课程,共8周的课程为整个机器学习课程的上半部分,更偏重于理论和思想而非算法,主要分为四大部分来讲授。 When can Machine Learn?在何时可以使用机器学习?W...转载 2018-02-11 11:24:17 · 238 阅读 · 0 评论 -
机器学习基石ch2
二、Learning to Answer Yes/No二元分类。解决上一章提出的银行发行信用卡的问题。2.1 Perceptron Hypothesis Set感知器的假设空间。还是银行发信用卡的例子,银行可能掌握了用户的各种属性,如年龄,年薪,工作年限,负债情况等等,这些属性可以作为上面提到的样本输入的向量属性值。但是这样还是无法进行机器学习,因为我们还需要另一个输入,即假设空间H。假设空间该如...转载 2018-02-11 11:27:32 · 275 阅读 · 0 评论 -
机器学习基石ch3
三、Types of Learning各种类型的机器学习问题。3.1 Learning with Different Output Space不同类型的输出空间。3.1.1 binary classification二元分类问题。前两章中提到的银行发信用卡问题就是一个典型的二元分类问题,其输出空间只包含两个标记+1和-1,分别对应着发卡与不发卡。当然二元分类问题包含多种情况,如2.3节中提到过,如...转载 2018-02-11 11:28:56 · 201 阅读 · 0 评论 -
机器学习基石ch4
四、Feasibility of Learning机器学习的可能性。4.1 Learning is Impossible学习可能是做不到的。在训练样本集(in-sample)中,可以求得一个最佳的假设g,该假设最大可能的接近目标函数f,但是在训练样本集之外的其他样本(out-of-sample)中,假设g和目标函数f可能差别很远。 4.2 Probability to the Rescue可能的补...转载 2018-02-11 11:30:05 · 274 阅读 · 0 评论