机器学习
winper001
这个作者很懒,什么都没留下…
展开
-
VC维理解
在机器学习里我们常常看到这样的说法:一般而言, VC 维 越大, 学习能力就越强,学习也越复杂;可以通过 VC 维 计算学习风险的上界。但进一步对VC维的介绍却不多,例如,VC维是什么?如何计算VC维?我们认为2D线性分类器的VC维为3,而不是4。即,2D线性分类器可以打散集合大小为3的样本集合,不能打散有4个样本的集合。1.集合大小为3的样本集合。存在两种情况:a. 3个点不转载 2016-10-19 21:26:35 · 7101 阅读 · 2 评论 -
机器学习面试常见问题整理
文章目录常见的损失函数梯度消失和梯度爆炸如何防止过拟合RF,SVM,神经网络的优缺点Batch NormalizationK-means总结常见的损失函数通常机器学习每一个算法中都会有一个目标函数,算法的求解过程是通过对这个目标函数优化的过程。在分类或者回归问题中,通常使用损失函数(代价函数)作为其目标函数。损失函数用来评价模型的预测值和真实值不一样的程度,损失函数越好,通常模型的性能越好。不...原创 2019-02-27 23:33:47 · 399 阅读 · 0 评论 -
RoC曲线
原创 2019-02-23 18:53:57 · 251 阅读 · 0 评论 -
bagging boosting stacking原理介绍
本文分别介绍bagging boosting stacking三种方法。boosting: 减少偏差对于提升方法来说,需要解决两个问题:如何在每一轮中改变训练集数据的权重值或者是概率分布:提高那些在前一轮弱分类器分错了的样本的权值,使得分错的样本的在后一轮的分类器中得到更多的关注。如何将弱分类器组合成一个强分类器:加大分类误差小的弱分类器的权重,使得它在表决中起到更大的作用...原创 2019-02-23 18:56:36 · 742 阅读 · 0 评论