随笔分类 - 4_机器学习书籍及杂（西瓜书、机器学习实战、统计学习方法、百面机器学习等）
摘要：机器学习西瓜书白话解读笔记 0208-0215、主要是性能度量 一、总结 一句话总结： 不要受了一点挫折就灰心丧气，最近都是这样，非常不好 1、错误率和精度？ 仔细看下面的公式，非常简单，【错误率就是总错误个数除以样本总数m】，所以有个求和符号，求和符号右边【相当于一个满足条件就取1的符号】 2、查
阅读全文
摘要：机器学习西瓜书白话解读笔记 0201-0207、模型的评估与选择 一、总结 一句话总结： 【一起啃书】机器学习西瓜书白话解读：这个视频好短好短呀，【课程一定要短】这样课程非常非常好录，这样录出来的质量会非常好 这个up主喜欢说哒哒哒，这个讲课【很自在，好亲切】呀 1、留出法？ 就是很简单的两个互斥集
阅读全文
摘要：机器学习西瓜书笔记 2.1-2.2、模型评估与选择【2.1经验误差与过拟合、2.2评估方法】 一、总结 一句话总结： 当我不玩游戏的时候，我立马觉得整个人生充满【希望】 当我玩游戏的时候，我觉得整个天空都是【黑暗】的 1、错误率、精度、经验误差、泛化误差？ 【错误率】：通常我们把分类错误的样本数占样
阅读全文
摘要：机器学习西瓜书笔记 1、绪论 一、总结 一句话总结： 【书上要比别人的总结好理解的多】：别人说来真觉浅，还需自己来深读 机器学习辅助2012年美国大选奥巴马以及自动驾驶，其实都非常无比的说明【机器学习无比有前途，可以应用在生活的各个方面】 1、机器学习 通俗定义？ 机器学习正是这样一门学科，它致力于
阅读全文
摘要：机器学习西瓜书白话解读笔记 0101-0102、绪论基本概念 一、总结 一句话总结： 可以基于【思维导图】来讲课 【可以看视频，这样学的快，效果好，但是也要自己多看书】，因为很多东西别人讲不到，别人讲到的是别人的重点 1、一些基本概念？ 数据集、样本、【特征向量】、属性 2、有监督学习和无监督学习具
阅读全文
摘要：机器学习西瓜书白话解读笔记 0000、资料相关 一、总结 一句话总结： 【《机器学习实战》】：【机器学习实战】：b站上面有很多好视频：https://www.bilibili.com/video/BV1iE411y7BD?p=2 【《Hands-on Machine Learning with Sc
阅读全文
摘要：PCA数学原理 一、总结 一句话总结： PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过【线性变换】将【原始数据变换为一组各维度线性无关的表示】，可用于提取数据的主要特征分量，常用于高维数据的降维。 那么如何选择这个方向（或者说基）才能尽量保留最
阅读全文
摘要：201119西瓜书系列博客 12、计算学习理论 一、总结 一句话总结： 【计算机学习理论研究的是关于通过计算来进行学习的理论】，即【关于机器学习的理论基础，其目的是分析学习任务的困难本质】，为学习算法提供理论保证。 例如：【在什么条件下可进行有效的学习，需要多少训练样本才能获得较好的精度等】。 12
阅读全文
摘要：201119西瓜书系列博客 11、特征选择与稀疏学习 一、总结 一句话总结： 11.1、子集搜索与评价；11.2、过滤式选择；11.3、包裹式选择 11.4、嵌入式选择与L1正则化；11.5、稀疏表示与字典学习；11.6、压缩感知 11.1 子集搜索与评价 子集搜索 特征子集评价11.2 过滤式选择
阅读全文
摘要：201119西瓜书系列博客 10、降维与度量学习 一、总结 一句话总结： 【降维】是【将原高维空间嵌入到一个合适的低维子空间中】，接着在低维空间中进行学习任务； 【度量学习】则是【试图去学习出一个距离度量来等效降维的效果】，两者都是为了解决维数灾难带来的诸多问题。 也许大家最后心存疑惑，那kNN呢，
阅读全文
摘要：201119西瓜书系列博客 9、聚类任务 一、总结 一句话总结： 9.1、聚类任务；9.2、性能度量；9.3、距离计算 9.4、原型聚类：以原型方式聚类 9.5、密度聚类：以密度方式聚类 9.6、层次聚类：以层次方式聚类 1、【9.1、聚类任务】？ 聚类试图将数据集中的【样本划分为若干个通常是不相交
阅读全文
摘要：201119西瓜书系列博客 8、集成学习 一、总结 一句话总结： 8.1、个体与集成：集成如何获得比单一学习器更好的性能 8.2、Boosting；8.3、Bagging与随机森林 8.4、结合策略：模型集成在一起的策略 8.5、多样性：增强多样性 1、集成学习 介绍？ 集成学习(ensemble
阅读全文
摘要：201119西瓜书系列博客 7、贝叶斯分类器 一、总结 一句话总结： 7.1、贝叶斯决策论；7.2、极大似然估计 7.3、朴素贝叶斯分类器 7.4、半朴素贝叶斯分类器 7.5、EM方法 1、贝叶斯公式？ $$P ( B _ { i } | A ) = \frac { P ( B _ { i } )
阅读全文
摘要：201119西瓜书系列博客 6、支持向量机 一、总结 一句话总结： 支持向量机（Support Vector Machine），简称SVM，是一种经典的【二分类模型】，属于监督学习算法。 1、【6.1、间隔与支持向量】？ 介绍了支持向量机的目标是确定一个对样本的分类结果最鲁棒的线性分类器，即找到一个
阅读全文
摘要：201119西瓜书系列博客 5、神经网络 一、总结 一句话总结： 5.2 感知机与多层网络 5.3 误差逆传播算法 5.4 全局最小与局部极小 5.5 深度学习 1、阶跃函数？ $$\operatorname { sgn } ( x ) = \left\{ \begin{array} { l l }
阅读全文
摘要：201119西瓜书系列博客 4、决策树 一、总结 一句话总结： 决策树学习的【目的是为了产生一棵泛化能力强】，即处理未见示例能力强的决策树，其基本流程遵循简单且直观的【分而治之（divide-and-conquer）】策略。 1、决策树的结构？ 一般的，决策树包含一个【根结点，多个内部结点和多个叶结
阅读全文
摘要：201119西瓜书系列博客 3、线性模型 一、总结 一句话总结： 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 ) = w _ { 1 } x _ { 1 } + w _ { 2 } x _ { 2 } + \ldots + w _ { d } x _ { d } +
阅读全文
摘要：201119西瓜书系列博客 2、模型评估与选择 一、总结 一句话总结： 要善于凭借，这样万利无害 1、【2.2、学习器泛化误差评估方法】 留出法？ 【“留出法”（hold-out）直接将数据集D划分为两个互斥的集合】，其中一个集合作为训练集S，另一个作为测试集T，即D=S∪T，S∩T=Φ。在S上训练
阅读全文
摘要：201119西瓜书系列博客 1、绪论 一、总结 一句话总结： 要善于凭借，这样万利无害 1、为什么未标记的数据照样很有用？ 通常假设样本空间中全体样本服从某个未知分布，我们获得的每个样本都是独立地从这个分布上采样获得的【（即“独立同分布”）】 一般而言：【训练样本越多 ——> 得到关于该未知分布的信
阅读全文
摘要：201119西瓜书系列博客 16、强化学习 一、总结 一句话总结： 强化学习（【Reinforcement Learning】，简称【RL】）是机器学习的一个重要分支，前段时间人机大战的主角【AlphaGo正是以强化学习为核心技术】。 在强化学习中，包含两种基本的元素：【状态与动作】，【在某个状态下
阅读全文
浙公网安备 33010602011771号