- 博客(11)
- 收藏
- 关注
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