06 2019 档案

机器学习技法10-Random Forest
摘要：注： 文章中所有的图片均来自台湾大学林轩田《机器学习技法》课程。 笔记原作者：红色石头 微信公众号：AI有道 上节课主要介绍了Decision Tree模型。Decision Tree算法的核心是通过递归的方式，将数据集不断进行切割，得到子分支，最终形成树的结构。C&RT算法是决策树比较简单和常用的 阅读全文
posted @ 2019-06-25 10:35 Shinesu 阅读(361) 评论(0) 推荐(0)
机器学习技法9-Decision Tree
摘要：注： 文章中所有的图片均来自台湾大学林轩田《机器学习技法》课程。 笔记原作者：红色石头 微信公众号：AI有道 上节课主要介绍了Adaptive Boosting。AdaBoost演算法通过调整每笔资料的权重，得到不同的hypotheses，然后将不同的hypothesis乘以不同的系数$\alpha 阅读全文
posted @ 2019-06-23 14:50 Shinesu 阅读(427) 评论(0) 推荐(0)
机器学习技法8- Adaptive Boosting
摘要：注： 文章中所有的图片均来自台湾大学林轩田《机器学习技法》课程。 笔记原作者：红色石头 微信公众号：AI有道 上节课主要开始介绍Aggregation Models，目的是将不同的hypothesis得到的$g_t$集合起来，利用集体智慧得到更好的预测模型$G$。首先我们介绍了Blending，bl 阅读全文
posted @ 2019-06-20 17:51 Shinesu 阅读(323) 评论(0) 推荐(0)
机器学习技法7-Blending and Bagging
摘要：注： 文章中所有的图片均来自台湾大学林轩田《机器学习技法》课程。 笔记原作者：红色石头 微信公众号：AI有道 上节课主要介绍了Support Vector Regression，将kernel model引入到regression中。首先，通过将ridge regression和represente 阅读全文
posted @ 2019-06-19 16:32 Shinesu 阅读(494) 评论(0) 推荐(0)
机器学习技法6-Support Vector Regression
摘要：注： 文章中所有的图片均来自台湾大学林轩田《机器学习技法》课程。 笔记原作者：红色石头 微信公众号：AI有道 上节课我们主要介绍了Kernel Logistic Regression，讨论如何把SVM的技巧应用在soft binary classification上。方法是使用L2 level le 阅读全文
posted @ 2019-06-14 10:38 Shinesu 阅读(905) 评论(0) 推荐(0)
机器学习技法5-Kernel Logistic Regression
摘要：注： 文章中所有的图片均来自台湾大学林轩田《机器学习技法》课程。 笔记原作者：红色石头 微信公众号：AI有道 上节课主要介绍了Soft Margin SVM，即如果允许有分类错误的点存在，那么在原来的Hard Margin SVM中添加新的惩罚因子$C$，修正原来的公式，得到新的$\alpha_n$ 阅读全文
posted @ 2019-06-14 09:27 Shinesu 阅读(509) 评论(0) 推荐(0)
机器学习技法4-Soft Margin Support Vector Machine
摘要：注： 文章中所有的图片均来自台湾大学林轩田《机器学习技法》课程。 笔记原作者：红色石头 微信公众号：AI有道 上节课主要介绍了Kernel SVM。先将特征转换和计算内积这两个步骤合并起来，简化计算、提高计算速度，再用Dual SVM的求解方法来解决。Kernel SVM不仅能解决简单的线性分类问题 阅读全文
posted @ 2019-06-12 16:50 Shinesu 阅读(393) 评论(0) 推荐(0)
机器学习技法3-Kernel Support Vector Machine
摘要：注： 文章中所有的图片均来自台湾大学林轩田《机器学习技法》课程。 笔记原作者：红色石头 微信公众号：AI有道 上节课主要介绍了SVM的对偶形式，即dual SVM。Dual SVM也是一个二次规划问题，可以用QP来进行求解。之所以要推导SVM的对偶形式是因为：首先，它展示了SVM的几何意义；然后，从 阅读全文
posted @ 2019-06-10 11:20 Shinesu 阅读(420) 评论(0) 推荐(0)
机器学习技法2-Dual Support Vector Machine
摘要：注： 文章中所有的图片均来自台湾大学林轩田《机器学习技法》课程。 笔记原作者：红色石头 微信公众号：AI有道 上节课主要介绍了线性支持向量机（Linear Support Vector Machine）。Linear SVM的目标是找出最“胖”的分割线进行正负类的分离，方法是使用二次规划来求出分类线 阅读全文
posted @ 2019-06-09 09:04 Shinesu 阅读(353) 评论(0) 推荐(0)