摘要：
各位大佬我这只能作为类似稍微了解，如果详细了解的话可以看凌青老师的最优化理论 ###首先我们讲一下机器学习中凸函数定义： 设F：Rn —> R 是一个n元实函数。如果对任意u，v以及任意$0=<\lambda<=1$有$F(\lambda u + (1-\lambda )v) ⇐ \lambda F 阅读全文
posted @ 2021-10-12 17:36
张灵芝
阅读(356)
评论(0)
推荐(0)
摘要：
##1监督式学习的基本要素定义 ###1.1特征组 X样本空间 在一个监督式学习问题中，每个对象的n个特征构成的向量x=(x1, x2,x3,...,xn)，特征组所有可能的取值集合为X，称X为样本空间 ###1.2标签 Y标签空间 在回归问题中，训练数据带有一个数值标签，y$\in$R；在k元分类 阅读全文
posted @ 2021-10-12 17:06
张灵芝
阅读(413)
评论(0)
推荐(0)
摘要：
机器学习算法概述 1机器学习定义 给定任务T，相关经验E，以及学习效果的度量P。机器学习就是通过E的学习来优化任务T的完成效果的度量P 训练数据 ==> 机器学习 ==> 模型 2机器学习vs人 优点 从海量数据中提取相关特征 可以自动地对模型进行调整，以适应环境的变化 3机器学习面临的问题 需要大 阅读全文
posted @ 2021-10-12 10:47
张灵芝
阅读(343)
评论(0)
推荐(0)
浙公网安备 33010602011771号