- 博客(7)
- 资源 (1)
- 收藏
- 关注
RSS订阅
1原创 《统计学习方法》第二章：感知机
（听课记得笔记，大部分是课上的课件内容，发博客作为纪录方便查阅）感知机–入门垫脚石如果找不到好的直线，就要在差的线里面找到一个相对好的线（量化直线有多好）。再进一步就是如果我们把所有分错的点和直线的距离求和，让这段求和的距离最小，那么这条直线就是我们要找的直线。段落总结一条直线如果能一个点都不分错的话，就是一条好的分类直线。模型要尽可能的找到好的直线。如果没有好的直线，在差的直线中要找到好的直线。判断直线多差的方式：分错的点到直线之间的距离求和。1.感知机模型确定终极目标：最后的目标
2021-11-29 17:24:58
642
原创 《统计学习方法》第一章：统计学习方法概论
第一章：统计学习方法概论1.监督学习（Supervised learning）监督学习的实现步骤：得到一个有限的训练数据集合选定模型的假设空间，也就是所有的备选模型确定模型选择的准则，即学习的策略实现求解最优模型的算法通过学习方法选择最优模型利用学习的最优模型对新数据进行预测或分析在模型知道每一个样本的标签时，所进行的学习就是监督学习。监督学习与无监督学习的主要区别在于训练数据集有没有label训练集： T={(x1,y1),(x2,y2),...,(xN,yN)}T=\{(x_1,
2021-11-26 14:27:04
286
原创 《统计学习方法》第五章：决策树
第五章：决策树决策树（decision tree）是一种分类与回归方法，它可以认为是if-then结构5.1 决策树模型与学习5.1.1 决策树模型定义 5.1 （决策树）：分类决策树模型是一种描述实例进行分类的树形结构，决策树由节点（node），和有向边（directed edge）组成。节点由两种类型：内节点（internal tree）和叶节点（leaf node），内部节点表示一个特征或者属性，叶节点表示一个类5.1.2 决策树与if-then规则5.1.3 决策树与条件概率分布决策
2021-11-25 22:30:20
553
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人