- 博客(4)
- 资源 (9)
- 收藏
- 关注
原创 统计学习方法笔记
一、概论 二、感知机 三、K近邻法 四、朴素贝叶斯法 五、决策法 六、Logistic回归 七、支持向量机 八、提升方法 九、EM算法及其推广 十、隐马尔科夫模型 十一、条件随机场 十二、统计学习方法总计
2017-11-08 11:24:16 165
原创 机器学习笔记3.线性模型----教材周志华西瓜书
线性模型形式简单易于建模。 3.1 基本形式 问题条件属性X=(x1;x2;....;xd)---向量,线性模型试图学得一个通过属性的线性组合来进行预测的函数 即:f(X)=w1x1+w2+x2+....+wdxd+b 向量型式:f(X)=w^T*X+b w和b学得之后,模型就得以确定了。 3.2 线性回归(所有点到一条直线的距离最短) 给定数据集D={(X1,y1),(X2,y
2017-10-19 12:30:43 435
原创 机器学习笔记2.模型评估于选择----教材周志华西瓜书
2.1经验误差和过拟合 错误率:分类错误的样本数占样本总数的比例。m个样本中有a个样本分类错误,E=a/m。 精度:1-a/m 即1-E 误差:实际预测输出与样本真实的输出之间的差异。 训练误差又叫经验误差:学习器在训练集上的误差。 测试误差:学习器在测试集上的误差。 泛化误差:学习器在新样本上的误差。 我们希望得到的是泛化误差小的学习器。但我们实际能做的是努力使经验误差最小化
2017-09-29 12:16:32 461
原创 机器学习笔记1绪论----教材周志华西瓜书
1.学习机器学习这门课,首先问下自己,什么是机器学习。 2.机器学习的一些术语 1.数据集(二维表) 2.对象、事例、事件、样本、记录-------二维表的一行 3.属性-----二维表的一列 4.属性值--------二维表中一个单元格的值 5.属性空间------属性张成的空间,也称为样本空间或者输入空间 6.维数------属性的个数(一行除去标签列的列数) 7.标记或者决策
2017-09-28 20:29:42 638
水星无线usb 2.0驱动+客户端(mw150uh)
2017-10-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人