- 博客(2)
- 收藏
- 关注
原创 周志华《Machine Learning》学习笔记(14)--计算学习理论
上篇主要介绍了常用的特征选择方法及稀疏学习。分别介绍了子集搜索与评价、过滤式、包裹式以及嵌入式四种类型的特征选择方法:子集搜索与评价是一种优中生优的贪婪算法;过滤式计算相关统计量来评判特征的重要程度;包裹式将学习器作为特征选择的评价准则;嵌入式则是通过L1正则项将特征选择融入到学习器参数优化的过程中,最后介绍了稀疏表示与压缩感知的思想。本篇将讨论一种为机器学习提供理论保证的学习方法--计算学习理论。
2017-06-16 21:39:13 5966 2
原创 周志华《Machine Learning》学习笔记(13)--特征选择与稀疏学习
上篇主要介绍了经典的降维方法与度量学习,首先从“维数灾难”导致的样本稀疏以及距离难计算两大难题出发,引出了降维的概念,即通过某种数学变换将原始高维空间转变到一个低维的子空间,接着分别介绍了kNN、MDS、PCA、KPCA以及两种经典的流形学习方法,最后度量学习试图去学习出一个距离度量来等效降维的效果。本篇将讨论另一种常用方法–特征选择与稀疏学习。
2017-06-04 18:51:40 14049
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