![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 84
游弋诗
这个作者很懒,什么都没留下…
展开
-
《西瓜书》+《南瓜书》第三章笔记(Datawhale)(未完成..)
第三章 线性模型 3.1基本形式 d个属性描述示例x=(x1,x2,...xd)x=(x_1,x_2,...x_d)x=(x1,x2,...xd)其中xix_ixi是xxx在第iii个属性取值。 线性模型(linear model)通过属性的线性组合预测函数 f(x)=w1x1+w2x2+...+wdxd+b(3.1)f(x)=w_1x_1+w_2x_2+...+w_dx_d+b \tag{3.1} f(x)=w1x1+w2x2+...+wdxd+b(3.1) 转化成转化成向量形式 f(原创 2022-03-21 23:42:47 · 1157 阅读 · 0 评论 -
《西瓜书》+《南瓜书》第二章笔记(Datawhale)(未完成..)
2 模型评估与选择 2.1 经验误差与过拟合 错误率 通常我们把分类错误的样本数占样本总数的比例称为错误率(error rate) 如:m个样本中,a个分类错误,错误率E=a/m 精度 精度=1-错误率 即 精度为1-E=1-a/m 误差 预测输出与样本的真实输出之间的差异称为误差 训练误差 学习器在训练集上的误差称为训练误差or经验误差 泛化误差 在新样本上的误差称为泛化误差 目标:希望误差最小化、错误率最低、精度高的学习器; 过拟合 当学习器把训练样本学得“太好”来的时候,很可能已经把训练样原创 2022-03-15 22:05:40 · 1032 阅读 · 0 评论 -
《西瓜书》+《南瓜书》第一章笔记(Datawhale)
前言 本篇文章主要是笔者日常的一些学习记录和沉淀。大部分都是基于《西瓜书》和《统计学习方法》的一些日常记录,本人学识浅薄,如果有存在理解、记录偏差的地方,希望大家能帮忙指出一下,笔者不胜感激!~ 第一章 1.1引言 什么是机器学习? 个人认为:机器学习,是基于历史数据,进行特征化,抽象出具体的数据模型,来预测和推断未来结果。 1.2基本术语 一组记录的集合称为一个**“数据集”(data set),其中每条记录是关于一个事件或对象的描述,称为一个“示例”(instance)或“样本”(sample)。 反原创 2022-03-15 15:24:10 · 1124 阅读 · 0 评论