机器学习基础理论汇总

最新推荐文章于 2022-09-18 13:56:54 发布
最新推荐文章于 2022-09-18 13:56:54 发布
阅读量165 收藏
点赞数
分类专栏： 杂七杂八
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yang_daxia/article/details/119864444
版权

EM算法

【机器学习】EM——期望最大（非常详细） - 阿泽的文章 - 知乎
https://zhuanlan.zhihu.com/p/78311644

HPO

超参数优化
利用搜索的方式调节参数，如random

增量学习

增加数据量的迭代优化

持续学习（continual learning）

https://zhuanlan.zhihu.com/p/162227742
增量学习和持续学习(Continual Learning)、终
身学习(Lifelong Learning)的概念大致是等价的，

NAS

和HPO相比，NAS是搜索网络结构，HPO搜索的超参数

yang_daxia
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
机器学习理论基础
weixin_68746494的博客
07-22 645
本篇笔记是关于机器学习的理论基础，包括算法模型性能评估的指标和评估方法
机器学习基础
最新发布
Liu Vv的博客
01-26 1073
机器学习笔记
机器学习 - 机器学习理论基础
Talk is cheap. Show me the code
09-18 1326
所谓理论理解，就是要考虑模型的可解释性，即输入与输出之间是什么关系，怎样才能获得预期的结果，这种方法的内部机制是什么，并考量方法涉及文献的深度和完整性。理论理解程度高的方法往往具有公式化的实现，具有强大的理论基础和可预测的结果。深度学习领域并不是由它的理论基础打开的，理论基础在2010之后深度学习热潮兴起的20多年前就被发现了，而是由消费级 GPU 实现的并行处理刺激了它的复兴。所谓的经验效用是一种综合考量，它考虑方法的适用性广度、实现的难易程度，以及最重要的因素，即在现实世界中的有用程度。
十大机器学习算法的一个小总结
Miracle8070
10-11 8974
在公众号看到来一篇不错的文章，讲解机器学习算法的，感觉挺好的，所以这里对常用的机器学习算法做一个小的总结， 然后根据学习李航老师的《统计学习方法》做得笔记，对这些算法进行补充。 简介   关于机器学习算法的研究已经获得了巨大的成功，哈佛商业评论甚至将数据科学家称为二十一世纪最具诱惑力的工作。 机器学习算法是在没有人为干涉的情况下，从大量的数据和历史经验中学习数据的结构并提升对某一目标的估计的算法。...
机器学习之基础知识（全）
热门推荐
m0_58086930的博客
08-06 2万+
学习机器学习前必备知识体系，比较全面，该系列课程笔记会一直更新。本文包括机器学习里涉及到的基本概念，环境的安装，Matplotlib,numpy,pandas的讲解。
台大林轩田机器学习基石资源汇总 精炼笔记.zip
01-06
《台大林轩田机器学习基石资源汇总》是一份针对机器学习基础知识的综合学习资料，由台湾大学的林轩田教授提供。这份精炼笔记涵盖了机器学习领域的重要概念、算法和应用，旨在帮助学习者系统地理解和掌握机器学习的...
机器学习MLTomM.答案汇总（全）.zip
02-12
压缩包中的文件名“机器学习答案汇总（全）”暗示，这个资料可能包含了从基础概念到高级技术的各种题目解答，涵盖了监督学习、无监督学习、半监督学习、强化学习以及特征工程、模型评估与选择、集成学习等多个方面。...
深度学习/人工智能/机器学习资料汇总
01-03
对于初学者，可能包括了基础理论的介绍，如梯度下降、反向传播算法、损失函数等。对于进阶学习者，可能包含了一些高级主题，比如深度强化学习、生成模型、元学习等。这些资源可以帮助你理解并掌握深度学习的原理和...
DataFunSummit 2021 图机器学习峰会PPT汇总（31份）.zip
10-13
DataFunSummit 2021 图机器学习峰会PPT汇总，共31份。 2021图机器学习峰会共设置GNN基础模型、复杂图、大规模图平台、推荐与图、NLP与图、风控与图、生物计算与图等7大论坛，将从多个视角彻底了解图机器学习！ 1. ...
台大李宏毅机器学习课件
11-09
【机器学习概述】 机器学习是计算机科学的一个分支，它研究如何让计算机系统通过经验改进其性能，无需显式编程。李宏毅教授的课程涵盖了这一领域的核心概念和技术，旨在帮助学生深入理解机器学习的原理与应用。 ...
机器学习基础理论
Eric
11-21 391
对聚类算法进行简单的扫盲，方便以后的学习。将物理或抽象对象的集合分成由类似的对象组成的多个类的过程被称为聚类，可分为五大类，如下图所示：
机器学习基本理论和知识点
stevedish_xiaojia的博客
10-14 2671
1、机器学习算法分类 监督学习：给出数据和标签进行训练，然后使用训练好的数据进行预测，分类等。监督学习中最常见的是两种问题，一种称为回归问题（线性回归和非线性回归），另一种称为分类问题，包含两类的分类问题，多个类的分类问题。 非监督学习：只给出数据，没有标签，让机器自己理解和分类。常见问题是聚类算法（K means clustering），图像的压缩（降维算法），PCA，Autoencoder...
机器学习理论知识概述
HelloWorld
09-15 1万+
1、机器学习所研究的主要内容，是关于在计算机上从数据中产生“模型（model）”的算法，即学习算法（learning algorithm）。有了学习算法，我们把经验数据提供给它，它就能基于这些数据产生模型；在面对新的情况时，模型会给我们提供相应的判断。可以说，机器学习是研究关于“学习算法”的学问。 2、学得模型适用于新样本的能力，称为泛化（generalization）能力。具有强泛化能力的模型...
机器学习三个核心理论
Ona_Soton的博客
01-30 1527
【待补充：为什么有些情况，不需要得到完整的联合概率就可以得到后验概率】 ML：抽象出一个pattern模拟数据背后的model，然后根据模拟的model去做预测 ML的类别： ML针对的三种任务类型： ——分类任务 ——回归任务 ——排序任务（y有顺序） ————多分类任务（y没有顺序） 不同的损失函数其实就对应了不同的算法（每个特定的任务都有不同的损失函数），但是我们如何找到这样的函数f（损失函数中的f），在iid的条件下，我们一般是通过最小化期望风险，从期望的意义下，假设，不..
【机器学习理论】第1部分 机器学习基础
墨竹
12-15 2529
对于机器学习算法也使用了一段时间，现在进行一个系统的学习和总结，也给自己补缺补差，回头来看，发现对于机器学习的理解更加的清晰，更加有条理，在整体的思路上的把握也更加的完善，所以建议对于机器学习的学习一定要多实践，多回头查看、 【分类介绍】监督学习：在监督学习中，我们只需要给定输入样本集，机器就可以从中推测出指定目标变量的可能结果。监督学习使用两种类型的目标变量：标称型和数值型。标称型：其目标变量的结
机器学习之基础理论相关了解
图挖掘领域，新晋砖家 ☞ 未来可期，欢迎和静静一起学习交流吖
11-14 651
一 基础概念（学习起点） VC 维。VC 维是一个很有趣的概念，它的主体是一类函数，描述的是这类函数能够把多少个样本的所有组合都划分开来。VC 维的意义在哪里呢? 它在于当你选定了一个模型以及它对应的特征之后，你是大概可以知道这组模型和特征的选择能够对多大的数据集进行分类的。此外，一类函数的 VC 维的大小，还可以反应出这类函数过拟合的可能性。 信息论。从某种角度来讲，
机器学习相关理论知识
hou_yaxin的博客
12-26 1935
机器学习：利用计算机从历史数据中找出规律，并把这些规律用到对未来不确定的场景的决策。 机器学习的典型应用 1、关联规则：购物篮分析—>在订单中查看哪些商品是同时被购买的，啤酒+尿片。 2、聚类：用户细分精准营销—>移动：神州大众卡、全球通、动感地带、神州行 3、朴素贝叶斯：垃圾邮件识别 4、决策树：信用卡欺诈 5、crt预估：互联网广告       协同过滤，推荐系统 6、
涉及机器学习的一些理论和哲学问题
神棍之路
05-17 225
推荐yjango的《学习观》系列视频 bilibili搜索“学习观” 知乎地址 https://www.zhihu.com/column/YJango 很多人批判《学习观》，但是从机器学习推导人类学习过程，是非常有趣，有借鉴意义的。一些批判者甚至搞不懂机器学习为何物。 ...
机器学习基础知识（二）
6丁儿的猫
12-13 1092
1 高斯分布对于⼀元实值变量x，⾼斯分布被定义为： 它由两个参数控制：µ，被叫做均值（mean），以及σ2，被叫做方（variance）。⽅差的平⽅根，由σ给定，被叫做标准差（standard deviation）。⽅差的倒数，记作β =1/σ2，被叫做精度（precision）。我们稍后将看到这些项的意义。高斯分布的图像如下： 很容易证明⾼斯分布是归⼀化的，因此： 我们已经能够找到关于x的函

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

yang_daxia

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值