Xiao_Spring的博客

第六章 神经网络6.1 间隔与支持向量如上图所示，间隔与支持向量解释为：支持向量：距离超平面最近的样本点间隔：两个不同种类支持向量到超平面的距离之和支持向量机（SVM）就是要寻找具有最大间隔的超平面划分超平面可通过如下线性方程来描述：ωTx+b=0\omega ^ Tx + b = 0ωTx+b=0间隔可表示为：γ=2∥ω∥\gamma = \frac{2}{\left \| \omega \right \| } γ=∥ω∥2​SVM的基本型：max⁡w,b2∥ω∥ s.

第五章 神经网络5.1 神经元模型分而治之5.1.1 神经网络定义定义：神经网络是由 适应性的简单单元 组成的广泛并行互连的网络，他的组织能够 模拟 生物神经系统对真实世界物体所作出的 交互反应 。神经网络是一种目前广泛使用的一种机器学习方法，机器学习中提到的神经网络指的是“神经网络学习”，或者说，是机器学习与神经网络这两个学科领域的交叉部分。5.1.2 生物神经网络的神经元结构神经网络中最基本的成分是神经元（neuron）模型，即定义中的“简单单元”。要让机器像人一样学习，首先要了解大

第四章 决策树4.1 基本流程一颗决策树包含一个根结点、若干个叶节点和若干个非叶子节点根结点包含样本全集基本流程遵循 分而治之三种导致递归返回的情况：当前结点包含的样本属于同一类（当前属性相同，比如都是脆的西瓜）；当前属性集为空或只有一类（所有属性相同或当前属性为空，大脆西瓜）；当前结点包含的样本集合为空（n = 0）情况2，max（该属性）的样本情况3，max（父节点）的样本4.2 划分选择这节讲解如何生成一颗决策树，主要有三个指标：4.2.1 信息增益ID3分别用下式计算

第三章 线性模型3.1 基本形式f(x)=ω1x1+ω2x2+...+ωdxd+bf(x) = \omega _{1}x_{1} + \omega _{2}x_{2} + ... + \omega _{d}x_{d} +bf(x)=ω1​x1​+ω2​x2​+...+ωd​xd​+b其中，ωi\omega_{i}ωi​和b表示线性模型的参数，需要由训练过程确定。向量模式：f(x)=ωTx+bf(x) = \omega ^{T}x+bf(x)=ωTx+b3.2 线性回归f(xi)=ωxi+b,使

第一章 绪论1.1 引言算法计算机科学是研究关于 算法 的学问机器学习是研究关于 学习算法 的学问1.2 基本术语以 西瓜 为例：术语例子instance or sample or feature vector对一个 西瓜 的描述attribute or feature西瓜 的特点attribute value西瓜 某个特点的类型attribute space or sample space西瓜 特点存在的空间维数d西瓜 的特点种类数量