机器学习
文章平均质量分 79
mmmmmmonica
走呀走呀走远了
展开
-
学习记录-统计学习简介之统计学习方法概述
统计学习方法概述 机器学习 = 神经科学与认知科学+ 数学+ 计算 学习系统的一般模型 学习问题的一般表示: 经验风险最小并不意味着期望风险最小原创 2017-03-17 15:06:21 · 682 阅读 · 0 评论 -
学习记录——统计学习简介之贝叶斯决策理论
统计决策理论:比较统计过程的形式化理论Bayes决策常用的准则最小错误率准则最小风险准则最小条件错误率准则:在限定一类错误率条件下使另一类错误率为最小最小最大决策准则问题描述(1)给定:m个类,训练样本和未知数据(2)目标:给每个输入数据标记一个类属性(3)两个阶段:1)建模/学习:基于训练样本学习分类规则2)分类/测试:对输入数据应用分类规则最原创 2017-03-17 15:56:14 · 1401 阅读 · 0 评论 -
学习笔记——数据挖掘过程与方法 Data Mining
数据挖掘基本概念 数据挖掘是一个从大规模数据集中提取隐含的、以前未知的、有潜在应用价值信息的非平凡过程。 -Non-trivial extraction of implicit , previously unknown and potentially useful information from massive collection of data. 与数据库技术的区别原创 2017-03-06 18:24:09 · 2234 阅读 · 0 评论 -
学习笔记——机器学习导论
什么是机器学习(一)人工智能的重要组成部分(二)利用经验数据改善系统自身性能深度学习与机器学习(一)深度学习是机器学习领域中一系列试图使用多重非线性变换对数据进行多层抽象的算法,本质上是机器学习中特征学习方法的一类。(二)至今已有多种深度学习框架:深度神经网络,卷积神经网络,深度信念网络。(三)已被应用于:计算机视觉,语音识别,自然语言处理。大数据与机器学习机器学习原创 2017-03-05 18:42:56 · 931 阅读 · 0 评论 -
学习记录——Boosting算法
Boosting算法Boosting的基本思想很简单,就是"三个臭皮匠顶个诸葛亮"。将若干个弱分类器(base Learner)组合起来,变成一个强分类器。Adaboost算法及分析1995年,Freund and schapire 提出了现在的Adaboost算法,其主要框架可以描述为:(1)循环多次迭代 更新样本分布 寻找当前分布下的最优弱分类器 计算弱分类器误差原创 2017-03-13 17:50:31 · 979 阅读 · 0 评论