- 博客(10)
- 资源 (11)
- 收藏
- 关注
转载 机器学习基石笔记1——在何时可以使用机器学习
http://www.cnblogs.com/ymingjingr/p/4271742.html 先简单介绍下这门课程,这门课是在著名的MOOC(Massive Online Open Course大型在线公开课)Coursera上的一门关于机器学习领域的课程,由国立台湾大学的年轻老师林轩田讲授。这门叫做机器学习基石的课程,共8周的课程为整个机器学习课程的上半部分,更偏重于理论和思想而非
2017-05-09 16:53:49 361
转载 机器学习基石笔记10——Logistic Regression
http://www.cnblogs.com/ymingjingr/p/4271742.html 十、Logistic Regression 罗杰斯特回归(最常见到的翻译:Logistic回归)。 10.1 Logistic Regression Problem Logistic回归问题。 使用二元分类分析心脏病复发问题,其输出空间只含有两项{+1,-1},分
2017-05-09 17:08:33 1003
转载 机器学习基石笔记9——Linear Regression
http://www.cnblogs.com/ymingjingr/p/4271742.html 九、Linear Regression 线性回归。 9.1 Linear Regression Problem 线性回归问题。 在第二章中提到的银行发放信用卡问题,通过是否发放信用卡引出了二元分类问题;本章再次使用这个例子通过发放用户多大额度的信用卡引出回归(re
2017-05-09 17:06:31 583
转载 机器学习基石笔记8——为什么机器可以学习(4)
http://www.cnblogs.com/ymingjingr/p/4271742.html 八、Noise and Error 噪音(杂讯)和错误。 8.1 Noise and Probabilistic Target 噪音(杂讯)和概率目标函数。 这一小节主要讨论有噪音(在2.4节提到的)的情况下是否VC限制仍可用,其流程图如图8-1所示。
2017-05-09 17:05:43 441
转载 机器学习基石笔记7——为什么机器可以学习(3)
http://www.cnblogs.com/ymingjingr/p/4271742.html 七、The VC Dimension VC维。 7.1 Definition of VC Dimension VC维的定义。 先对上一章的内容作简单总结:如果一个假设空间存在突破点。则一定存在成长函数被某个上限函数 所约束,可求出上限函数等于一个组合的求和形式,易
2017-05-09 17:04:49 469
转载 机器学习基石笔记6——为什么机器可以学习(2)
http://www.cnblogs.com/ymingjingr/p/4271742.html 六、Theory of Generalization 泛化理论(举一反三)。 6.1 Restriction of Break Point 突破点的限制。 回顾一下上一章中提到的成长函数 的定义:假设空间在N个样本点上能产生的最大二分(dichotomy)数量,其
2017-05-09 17:03:51 338
转载 机器学习基石笔记5——为什么机器可以学习(1)
http://www.cnblogs.com/ymingjingr/p/4271742.html 五、Training versus Testing 训练与测试。 5.1 Recap and Preview 回顾以及预览。 首先回顾一下上一章学过的内容,学习在何种情况下是可行的。 在可学习的数据来自于一个统一的分布(distribution),且假设空间
2017-05-09 17:01:05 546
转载 机器学习基石笔记4——在何时可以使用机器学习(4)
http://www.cnblogs.com/ymingjingr/p/4271742.html 四、Feasibility of Learning 机器学习的可能性。 4.1 Learning is Impossible 学习可能是做不到的。 在训练样本集(in-sample)中,可以求得一个最佳的假设g,该假设最大可能的接近目标函数f,但是在训练样本集之外
2017-05-09 16:59:44 236
转载 机器学习基石笔记3——在何时可以使用机器学习(3)(修改版)
http://www.cnblogs.com/ymingjingr/p/4271742.html 三、Types of Learning 各种类型的机器学习问题。 3.1 Learning with Different Output Space 不同类型的输出空间。 3.1.1 binary classification 二元分类问题。 前两章中提
2017-05-09 16:58:16 246
转载 机器学习基石笔记2——在何时可以使用机器学习(2)
http://www.cnblogs.com/ymingjingr/p/4271742.html 二、Learning to Answer Yes/No 二元分类。 解决上一章提出的银行发行信用卡的问题。 2.1 Perceptron Hypothesis Set 感知器的假设空间。 还是银行发信用卡的例子,银行可能掌握了用户的各种属性,如年龄,年薪,工
2017-05-09 16:56:53 492
开源Ceph10.2.1源码分析.docx
2020-06-11
ProblemSolvingwithAlgorithmsandDataStructures_usingpython
2019-10-10
gsm-fr-1.0-pl18.zip
2019-06-14
Neural Network and Deep Learning(神经网络与机器学习中文版)
2017-09-02
Problem Solving with Algorithms and DataStructures using python
2016-12-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人