西瓜书笔记——第一章 绪论


1.1 引言

1.2 基本术语

数据集,属性,特征
标记空间
分类,回归
聚类,簇:了解数据内在规律
监督学习(分类,回归),无监督学习(聚类)
泛化能力
通常假设样本空间全体样本服从一个未知分布 \(\mathcal{D} \),获得的每一个样本都是独立从这个分布上采样,i.i.d

1.3 假设空间

归纳:从特殊到一般的泛化过程,从样例学习就是归纳学习
演绎:从一般到特殊的特化过程
学习过程:在所有假设空间中搜索与训练集匹配的假设
版本空间:存在一个与训练集一致的“假设集合”

1.4 归纳偏好

归纳偏好:机器学习算法在学习过程中对某种类型假设的偏好
奥卡姆剃刀:若有若干个假设与观察一致,则选择最简单的那个。但是哪种假设才是最简单的那个?我们需要用到先验概率
No Free Lunch Theorem:针对具体问题


文章作者: lovelyfrog
版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 lovelyfrog !
 上一篇
西瓜书笔记——第二章 模型评估与选择 西瓜书笔记——第二章 模型评估与选择
2.1 经验误差与过拟合错误率,精度训练误差,泛化误差过拟合,欠拟合过拟合是无法避免的,我们只能尽量缓解模型选择 2.2 评估方法通过测试集上的测试误差作为泛化误差的近似,测试集应尽可能与训练集相斥 2.2.1 留出法留出法(
2018-03-05
下一篇 
matlab tenth homework matlab tenth homework
习题6 这道题让我们求解整个系统的平衡位置,也就是求解使系统势能PE达到最小时的位置坐标,可以用fminunc来求解 P = [1100; 1800; 3300]; k1 = 4500;k2 = 1650;k3 = 1100; k4
2018-01-20
  目录