- 博客(8)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 机器学习8
机器学习第九章走起。前几天翻译论文翻译吐了。前面我们讲过对于一个人是否发信用卡，而今天我们要求输出信用卡的额度。X=(x0,x1,x2,...,xd) 顾客的特征。期中X0对应到常数项。用w表示加权的参数。那么我们用y来表示我们想要预测的那个值。那么我们就可以写成这样这个和我们前面的PLA算法有一点不一样，在前面的PLA算法的时候，我们也有个w，用w算完以后
2015-10-31 16:18:43
424
原创 机器学习7
机器学习第八章走起上一节，我们证明了有一个好的h（dev 是 有限的，同时Ein是低的），在数据量足够大的时候，我们基本上是可以学到东西的。那么接下来，如果在我们的资料中有杂讯或者错误，我们前面的推导还有效吗？作者说明了，如果是有杂讯的，比如一个x，由于杂讯的存在，那么对于某个x，假设p(o|x) = 0.7,p(x|x) = 0.3那么我们的预测还是o，然后noise l
2015-10-28 00:30:03
365
原创 机器学习6
机器学习第七章VC dimension of H指的是第一个break point 的前面一个点当资料量N ≤ Dvc的时候，那么存在可能被shatter掉，当然也不是绝对。当资料量N > Dvc的时候，那么一定不能被shatter掉所以其实就是当数据量N足够大，Dvc足够大的时候，就可以说明Eout和Ein足够接近，而且这个和算法以及分布没有关系对于1维的
2015-10-26 16:51:13
441
原创 机器学习5
机器学习第六章走起接着上一章，对于break point 按照前面的规律来看，随着N的增大，我们的effective(N) 与pow(2,N)的差距越来越大bound function 就是成长函数的一个上限，我们刚才分析的成长函数是对于不同的H给与不同的分析，那我们有个目标，就是我们知道我们的N，然后知道第一个break point k那么，我们直接由N,k这两个变量得到B(N,
2015-10-25 17:13:30
367
原创 机器学习4
机器学习第5章走起。如果H是无限大的怎么办呢？H的大小我们用M表示。small M当M小的时候，P(BAD) ，自然可以说P(BAD)相对较小，但是当M很小的时候，也说明H的个数少，我们可以选择的h很少，那么我们可能找不到一个Ein很小很接近0的hlarge M当M很大的时候 自然P(BAD)太大，当然h的选择很多呀。当M无穷大的时候怎么办呢？我们可不可以找
2015-10-23 17:46:54
295
原创 机器学习3
机器学习第四章走起~1.机器学习是否可行，从前面讲述，好像我们学习后的结果，只能保证在已经给出的资料中，我们的g和f是一样的，那么对于这些资料以外的新的资料呢？我们能保证是对的嘛？如果我是坏心的老师，总可以否定你的预测，似乎机器学习陷入了危机=对于一个大罐子，有绿色和橙色的球，我们想要知道各种颜色所占的比例。我们的方法是取10个，称作sample罐子橙色比例 是u ，而samle中
2015-10-22 22:18:45
357
原创 机器学习2
机器学习基石的第三章，走起1.type of learning 二元分类 ： 1.是否发信用卡等等，很基本，很核心多元分类 ：美元的硬币（1c ，5c ，10c ，25c）by（size ，mass）2元分类是特例，多元分类在视觉和听觉上应用很多回归分析：输入过去的天气情况，预测天气结构学习：protein data -》 protein folding speech data
2015-10-22 15:22:48
411
原创 基哥也开始学机器学习了1
================================机器学习我是看的机器学习基石从第二章开始：对于各个字母做了解释比如H是什么举个例子，在一个二维平面上，有两种点，XX和oo，现在我们的目标是找到一条直线，使得XX和oo分别在这条线的两边，那么H是什么，H便是这个平面上所有直线的集合，也就是各种可能假设的集合。那么f是什么，f就是一个函数，能够完美分开XX和oo的，也就
2015-10-21 23:30:58
498
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人