- 博客(11)
- 收藏
- 关注
RSS订阅
1原创 机器学习（2）学习笔记
高次多项式解的范围变大了，但是结论反而不如低次多项式的解。且高次多项式表达能力大部分用于拟合噪声了。岭回归，lamda/2 * ||w|| ^2。输入带入模型，返回一个概率，判断它的类别。边界代表：属于两类的概率都相同 决策边界。分块矩阵求逆 ：可以使用初等行变换证明。高次多项式学习出的系数的绝对值大得出奇。例子：拟合正弦波规律，并且增加噪声。误差损失函数为交叉熵损失函数。例子 ： 二维二分类。
2022-10-05 09:43:54
227
原创 机器学习学习笔记（1）
训练集{（x1,t1）,...,(xm,tm)},每个xi都是一个列向量，对应目标向量ti,one-hot编码（0~9）。E（w） = 1/2 * MSE 最小点有闭式解。监督学习Supervise Learning：输入向量和目标向量已知。其中w是参数，基函数x^j的线性组合，也是幂级数取有限项。无监督学习：训练数据只包括输入向量，没有对应目标向量。分类：目标向量只能有限个不同的取值。经过训练，得到合适的参数取值w*。回归：目标向量为连续取值的变量。半监督学习：只有部分数据有标记。
2022-10-04 21:38:08
56
原创 计算理论导引学习笔记
预备知识 1.笛卡尔积：A×B={（x,y）|x∈A且y∈B}假设集合A={a, b}，集合B={0, 1, 2}，则两个集合的笛卡尔积为{(a, 0), (a, 1), (a, 2), (b, 0), (b, 1), (b, 2)}。 笛卡尔积在后文构造自动机时具有重要意义。 2.字母表与字符串：∑ 为字母表——非空有穷集合。 字符...
2021-09-28 20:53:53
632
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