机器学习ML
从零开始入门学习,会随着学习进度慢慢更新,实践为主,理论尽量推一推
FCB_LAM
hust自动化在读本科生,大一,高中就读于东北师大附中,一个菜但积极的oier,随手记录点所学所见,感谢大家支持
展开
-
机器学习理论2 模型的评估与选择
模型的评估与选择 文章目录模型的评估与选择模型的定义和分类非概率模型概率模型模型评估损失函数和风险函数损失函数风险函数经验风险最小化和结构风险最小化经验风险最小化结构风险最小化泛化能力泛化误差泛化误差上界模型与算法参考资料模型与算法参考资料 模型的定义和分类 首先,我们定义F\mathcal FF为假设空间,X\mathcal XX为输入空间, Y\mathcal YY为输出空间 ,θ\thetaθ为参数向量,取自n维欧氏空间Rn\textbf{R}^nRn,也称为参数空间(parameter spac原创 2020-06-13 19:08:30 · 315 阅读 · 0 评论 -
机器学习实战入门 sklearn库的基本使用
sklearn库基本框架和数据库的调用 文章目录sklearn库基本框架和数据库的调用sklearn库的基本框架sklearn数据库及其调用自带的小数据库鸢尾花数据集mnist手写数字数据集图像数据集其他数据集在线下载的数据集20类新闻文本数据集Olivetti人脸数据集生成的数据集一些啰嗦的题外话参考资料 在正式开始学习之前,个人想做一点简单的说明,由于我是一名工科学生,可能侧重点会放在机器学习实战上,理论上的东西可能会介绍的少一点,望见谅。 sklearn库的基本框架 下面这张图片是sklearn官网中原创 2020-05-13 14:36:17 · 928 阅读 · 0 评论 -
机器学习理论1 真-零基础入门
文章目录引言什么是机器学习基本术语关于数据关于算法关于模型监督学习无监督学习关于预测假设空间归纳偏好背景知识参考资料 引言 什么是机器学习 首先我们要知道,机器学习是一种算法,那么这是一种怎么样的算法呢。 资料上对机器学习的定义是这样的,算法A(algorithm)利用模型E(edge),解决特定的实际问题得到结P(performance),并利用结果P改进模型E,进而更好的解决特定实际问题。 ...原创 2020-04-23 11:01:06 · 273 阅读 · 0 评论