huangshansan

摘要： https://www.cnblogs.com/cherrychenlee/p/7563210.html 阅读全文

摘要： https://www.cnblogs.com/cherrychenlee/p/7562463.html 阅读全文

摘要： 回顾上节内容：假设空间H有限，N足够大，不管A选择哪个h，Ein和Eout在一定范围内都是近似相等的，A根据D在H中挑选使得Ein足够小的g，就能说Ein=Eout(PAC)，即学习是可能的。 将学习分为两步： train：A根据给定训练集D在H中选出g，使得Ein(g)≈0； test：g在整个输 阅读全文

摘要： Learning is Impossible? 机器学习的目标：演算法A根据给定数据集D从假设空间H中选择一个与f最为接近的g，还要保证g与f在给定数据集之外的数据上表现也相似。 在资料以外的部分，g和f一不一样是不知道的，因为f是不知道的，但是我们想要知道资料以外的部分g和f是否接近，因此需要加一 阅读全文

摘要： 学习的类型 1.根据输出空间：分类（二分类，多类别分类），回归，结构化 二分类：解决是非问题 多类别分类：邮递区号的辨识，邮件分类，图像辨识 回归：预测股票走势，预测天气 结构化：自然语言辨识 2.根据标签：监督学习，非监督学习，半监督学习，强化学习 非监督学习：聚类、密度分析、离群点检测（目标分散 阅读全文

摘要： 一.Perceptron Learning Algorithm 1.回顾机器学习流程 思考假设空间H是什么样的，学习算法A确定后，h的样子就确定了,根据W的不同可以得到不同的h，构成假设空间H，学习算法从H中挑选表现最好的h即为最终的g，g和f在D上表现应该尽量一致，在未知数据（test data） 阅读全文

摘要： 1.What is Machine Learning?机器模拟人的学习过程 人的学习过程： machine learning： 2.Why use machine learning？ 举例关于树的辨识：定义树是困难的，希望通过ML观察很多树后得到辨识树的技巧（无需定义，自己学习）。 ML适用情景： 阅读全文

摘要： EM算法在高斯混合模型学习中的应用 M步求极大： 阅读全文

摘要： 三硬币模型 python实现 阅读全文

摘要： 初始化Network对象，sizes包含各层神经元的数量，假设创建一个三层神经网络，第一层2个神经元，第二层3个神经元，第三层4个神经元。 初始化代码如下： 输出biases，weights情况如下： 随机抽样 numpy.random.rand(d0,d1,...,dn)随机样本位于[0,1)中 阅读全文