机器学习
文章平均质量分 82
Charonljj
这个作者很懒,什么都没留下…
展开
-
机器学习 Day 01
基本术语数据集(data set):示例(instance)或样本(sample)的集合。样本由反映时间或对象在某方面的表现或性质的属性(attribute)或特征(feature)构成。属性上的取值为属性值(attribute value),属性张成的空间成为属性空间(attribute space)、样本空间(sample space)。把每一个实称为一个特征向量(feature vector原创 2018-01-01 21:24:15 · 250 阅读 · 0 评论 -
机器学习Day 02
模型评估与选择经验误差与过拟合通常把分类错误的样本数占样本总数的比例成为错误率(error rate),相应精度(accuracy)。把学习器的实际预测输出与样本的真实输出之间的差异成为无法(error),学习器在训练集上的误差称为训练误差(training error)或经验误差(empirical error),在新样本上的误差成为泛化误差(generalization error)。 我原创 2018-01-02 20:19:21 · 309 阅读 · 0 评论 -
机器学习Day 03
线性模型基本形式给定一个由d个属性描述的示例x=(x1,x2,...,xd)d个属性描述的示例x=(x_1,x_2,...,x_d),其中xi是x在第i个属性上的取值x_i是x在第i个属性上的取值,线性模型(linear model)试图学得一个通过属性的现实组合来进行预测的函数,即 f(x)=w1x1+w2x2+...+wdxd+bf(x)=w_1 x_1+w_2 x_2+...+原创 2018-01-03 22:11:19 · 162 阅读 · 0 评论