胡大牛

摘要： 1、按不同的输出空间 \(Y\)2、按不同的数据标签 \(y_{n}\)3、按不同的协议 \(f \Rightarrow (x_{n},y_{n})\)4、按不同的输入空间 \(X\) 阅读全文

摘要： 上一讲我们得到一个结论：学习模型 = 算法A + 假设集H这里，我们应该使用什么样的假设集H呢？这一讲，我们来看看对于一个二值分类问题（YES/NO）的一个简单的假设集：感知机(Perceptron)1、感知机假设集考虑银行给用户发信用卡的问题，银行会搜集客户的数据判断是否该给客户发信用卡。比如说，银行会搜集以下一些信息：我们把这些信息用向量表示：\(x=(x_{1},x_{2},...,x_{d},)\)，这个向量也叫做用户的“特征”。我们给该用户的每个特征赋予一个权重，给这个客户进行“打分”：如果 \(\sum_{i=1}^{d}w_{i}x_{i}>threshold\) ，可以发 阅读全文

摘要： 1、机器学习的本质通过在数据中得到的经验来提高性能。（1）冥冥中存在着一个隐藏的模式，我们的任务就是“发现”这个模式；（2）这个模式是无法定义的（否则就不需要“学习”了）；（3）然而我们能够拿到关于这个模式是数据——这些数据就是机器学习的学习对象。我们通过这几条来判断一个问题是否需要用机器学习的方法解决。2、学习问题的形式化基本的符号：输入：\(x \in X\)输出：\(y \in Y\)需要学习的隐藏模式\(\Leftrightarrow \)目标函数：\(f:X\rightarrow Y\)数据\(\Leftrightarrow \)训练样本：\(D=\{(x_{1},y_{1}),(x 阅读全文