机器学习日记Day01(仅为个人学习记录)



学习目标:

机器学习基础概念、最小二乘法、正则化 




学习内容:

机器学习公众号讲义:

讲义脉络都在这里啦

机器学习基本概念:

第一讲 基本概念part1

第一讲 基本概念part2 (其中也提及最小二乘相关知识,讲的不错)

机器学习基础 (上):

第一讲:机器学习基础(上)

最小二乘法:

最小二乘法(Least square method)_Tonywu2018的博客-CSDN博客

最小二乘法(least sqaure method) - 知乎

正则化:

机器学习中常常提到的正则化到底是什么意思? - 知乎

机器学习之正则化(Regularization) - Acjx - 博客园




重点学习内容:

第一讲:机器学习基础(上)

例一:曲线拟合

对于模型复杂度与最终拟合程度好坏的讲解,对原始样本的学习能力越强,其实会增大样本中噪声部分(异常值)产生的影响,产生过拟合。对于未来数据的预测(泛化能力)反而不利

如何在保持很好的泛化能力的同时,抑制过拟合呢?结构风险最小化就是为了防止过拟合而提出的,结构风险在经验风险的基础上加上表示模型复杂度的正则化项,比如说,模型参数的一范数,二范数等。这个时候结构风险函数就是我们要最优化的目标函数。

最小二乘法(least sqaure method) - 知乎

关于最小二乘法的解释及简单推导过程

机器学习中常常提到的正则化到底是什么意思? - 知乎

目的及常用方法

第一讲 基本概念part2

机器学习的分类(重点)




学习小笔记:

相关名词解释及链接

lambda:机器学习可以用希腊字母λ来概括,即机器学习=Lambda。其中L表示损失函数(Loss)、第一个A表示算法(Algorithm)、M表示模型(Model)、BD表示大数据(Big Data)、第二个A表示应用(Application)。 

第一讲 基本概念part1 

解析解:是指通过严格的公式所求得的解。

数值解:是采用某种计算方法,如有限元的方法,数值逼近,插值的方法,得到的解。别人只能利用数值计算的结果,而不能随意给出自变量并求出计算值。

解析解_百度百科

奥卡姆剃刀原理:这个原理称为“如无必要,勿增实体”,即“简单有效原理”。正如他在《箴言书注》2卷15题说“切勿浪费较多东西去做,用较少的东西,同样可以做好的事情。”

奥卡姆剃刀原理_百度百科


下次学习内容

初步了解马尔科夫模型相关知识(本次学习第一讲 基本概念part2 中曾提到)

学习第一讲 基本概念Part3内容

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值