机器学习by周志华
文章平均质量分 92
vanilla698
这个作者很懒,什么都没留下…
展开
-
《机器学习by周志华》学习笔记-决策树-01
本书中的「决策树」有时指学习方法,有时指学得的树。原创 2024-05-10 10:13:54 · 808 阅读 · 1 评论 -
《机器学习by周志华》学习笔记-线性模型-03
我们在上一节介绍了「线性判别分析(LDA)」,LDA的从二分类任务可以推广到多分类任务中。而现实中常遇到的多分类学习任务。有些二分类的学习方法可以直接推广到多分类,但是更多情况下是基于一些策略,利用二分类学习器来解决多分类的问题。原创 2024-04-23 17:53:20 · 599 阅读 · 1 评论 -
《机器学习by周志华》学习笔记-线性模型-02
上一节我们考虑了线性模型的回归学习,但是想要做分类任务就需要用到上文中的广义线性模型。当联系函数连续且充分光滑,考虑单调可微函数。多分类与二分类的线性判别分析(LDA)原创 2024-04-17 17:55:44 · 841 阅读 · 1 评论 -
《机器学习by周志华》学习笔记-线性模型-01
给定由d个属性描述的示例x:其中每个属性的权重:其中xi是x在第i个属性上的值,线性模型试图学习一个通过属性线性作何来预测的函数,即:用向量形式写成:当w和b的参数学得之后,模型就可以确定。也叫「可理解性」原创 2024-04-11 18:13:57 · 731 阅读 · 1 评论 -
《机器学习by周志华》学习笔记-模型评估与选择-04
偏差-方差分解(bias-variance decomposition)」是解释学习器泛化性能的一种重要工具。「偏差」学习器期望预测与真实结果的偏离程度。「方差」同样大小训练集的变动会导致学习器性能变化的度量。「噪声」表达了在当前任务下,学习器所能达到的期望泛化误差的下界。原创 2024-04-01 13:24:34 · 411 阅读 · 0 评论 -
《机器学习by周志华》学习笔记-模型评估与选择-03
通过比较检验方法进行假设检验、交叉验证t检验、5✖️2交叉验证、卡方检验等方式比较学习器、模型、算法的性能。原创 2024-03-21 18:24:00 · 967 阅读 · 0 评论 -
《机器学习by周志华》学习笔记-模型评估与选择-02
本章主要对模型的性能指标错误率、精度(正确率)、查准率(准确率)、查全率(召回率)、F1指标、平衡点、ROC、AUC、代价敏感错误率、代价曲线、期望总体代价等做了详细的描述。原创 2024-02-29 11:32:18 · 391 阅读 · 0 评论 -
《机器学习by周志华》学习笔记-模型评估与选择-01
训练过程中,努力使「经验误差(训练误差)」最小。原创 2024-02-22 11:02:17 · 775 阅读 · 0 评论