- 博客(5)
- 资源 (10)
- 收藏
- 关注
原创 吃瓜挑战-Task5
本次学习西瓜书第六章-支持向量机。支持向量机作为一种经典的机器学习算法,相比于多层神经网络算法具有可解释性,一般采用凸函数优化方法求解。本章节首先介绍了支持向量机的原理,即寻找合适的超平面间隔去区分样本,并使得该超平面最优,给出了支持向量机的优化方程。接着,为了解决这个优化方程,引出了对偶问题,即通过求原优化问题的对偶问题,进而更加方便的求解原问题。最后,又引出了核函数,将线性可分问题转化为非线性可分问题,拓展了支持向量机的应用范围,使得能够解决更加实际的问题。
2023-03-01 21:01:37
34
原创 吃瓜挑战-Task4
本次学习第五章-神经网络。本章从最简单的感知机开始,介绍了神经网络中最基础的M-P神经元模型。由于感知机的隐含层的层数限制,因此只能解决线性可分问题,无法解决其他非线性可分问题,因此需要对其进行改进,即引出了基于误差反向传播算法的BP神经网络,该算法在多层前馈神经网络的基础上,增加了基于随机梯度下降法的误差反向传播,使得经过不断迭代,最终使得网络的均方误差收敛到可接收的范围。另外,由于标准的BP神经网络存在计算量大、对样本变化敏感等问题,又引出了一些改进方法和其他常用的神经网络。
2023-02-24 22:40:30
34
原创 吃瓜挑战-Task3
本次学习第四章-决策树,该章节首先基于决策树的基本流程,从对离散型样本和连续型样本的分类问题展开讨论,引出了信息熵、信息增益及增益率等概念,以及基于这些概念提出的ID3决策树学习算法、C4.5决策树算法、CART决策树算法。为了解决算法的过拟合问题,又在决策树算法的基础上引出了“剪枝处理”方法,包括“预剪枝”和“后剪枝”。最后,讨论了样本连续和离散的问题,和多变量决策树问题。这一章节的内容,层层递进,不断提出问题,又不断给出改进方法,使得决策树具有了实用性。
2023-02-22 21:37:10
34
原创 吃瓜挑战-Task2
开始学习《机器学习》中的第三章-线性模型啦,考虑到这本“西瓜书”中存在一些公式的简化推导,不利于理解和学习,因此需要配合“南瓜书”一起看,可以提高学习效率,继续分享一下学习笔记吧! 本次的笔记主要包含了第三章线性模型的前两个章节,即一元线性回归和多元线性回归问题,给出了基于最小二乘法和最大似然估计法的函数参数最优估算,也引出了实际系统中无法得到最优解的闭式解的问题,为之后章节的展开进行了铺垫。
2023-02-15 22:30:21
42
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人