- 博客(3)
- 收藏
- 关注
RSS订阅原创 机器学习基石笔记3——学习的可行性
机器学习基石笔记——学习的可行性 这节课主要讲的就是机器学习的可行性，讨论问题是否能用机器学习来解决 1.NFL NFL定理表明没有一个机器学习算法是可以在任何领域总是产生最准确的学习器。我们平常所说的一个学习算法比另一个算法更“优越”，效果更好，只针对特定的问题，特定的先验信息，数据分布，训练样本的数目，代价函数或奖励函数。 2.联系机器学习 这里我们引入两个值Ein(h)E_{in}(h)Ein(h)和Eout(h)E_{out}(h)Eout(h)。Ein(h)E_{in}(h)Ein(h)表示
2020-05-22 15:21:34
223
原创 机器学习基石笔记2——机器学习类型
机器学习基石笔记——机器学习类型 这节课主要归纳了机器学习得类型 1.按照输出空间划分 机器学习按照输出空间划分，可以划分为：二元分类，多元分类，回归，结构化学习等不同类型。其中最基础的用的最多的就是二元分类和回归。 二元分类 二元分类是机器学习中非常核心和基本的问题,银行派发信用卡的问题就是一个典型的二元分类问题,还有一些垃圾邮件判别的问题.二元分类又线性模型和非线性模型. 多元分类 多元分类的输出多于两个,$y={1,2,…,k},多元分类一般用于数字识别等方面 * 回归分类 如果要预测股票收益的
2020-05-18 12:21:13
196
原创 机器学习基石笔记1——感知机
机器学习——感知机 机器学习整个过程：根据模型H，使用演算法A，在训练样本D上进行训练，得到最好的h，其对应的g就是我们最后需要的机器学习的模型函数，一般g接近与目标函数f。 1.感知机原理 可以用一个简单的例子来阐述：银行需要给客户发信用卡，那符合什么样的条件的客户才能发信用卡，比如说年收入，年龄，工作单位，都会影响信用卡的派发。银行派发信用卡的问题就是一个典型的机器学习问题，我们需要根据客户信息数据集D，通过算法A，在模型H中选择最好的h，得到g，接近目标函数f，发信用卡（+1），不发信用卡（-1）。
2020-05-17 23:38:46
631
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人