摘要:
正则化个人认为是一些传统机器学习中最为核心的一个概念,它提供了一种形式去表示算法设计者对于目标模型形式的偏好,或者对模型进行一定的约束 表示对函数的偏好是比增减假设空间的成员函数更一般的控制模型容量的方法 具体来说,正则化项给目标函数添加了一个额外的惩罚项,使得参数在学习的过程中,强制在正则化项描述 阅读全文
posted @ 2025-04-08 15:29
rdcamelot
阅读(35)
评论(0)
推荐(0)
摘要:
符号 例如要表示矩阵时,需要粗体 \mathbf{} \(\mathbf{A}\) 表示向量也有 \boldsymbol{x} \(\boldsymbol{x}\) 实数符号等一般使用黑版粗体 \mathbb{} \(\mathbb{R}\) 表示估计量 \hat{P}(c) \(\hat{P}(c 阅读全文
posted @ 2025-04-08 14:02
rdcamelot
阅读(300)
评论(0)
推荐(0)
摘要:
用在测试集上的测试误差作为泛化误差的近似 测试误差,或者测试集的获得就要依据不同的评估方法 评估方法 留出法 将数据集划分为两个互斥的集合,其中一个集合作为训练集,另一个作为测试集 划分过程中尽可能保持数据分布的一致性,保留类别比例的采样方法称为“分层采样” 交叉验证法 将数据集D划分为k个大小相似 阅读全文
posted @ 2025-04-08 00:37
rdcamelot
阅读(36)
评论(0)
推荐(0)
摘要:
向量 一个向量时一列数,这些数是有序排列的 用符号 - 表示集合的补集中的索引,例如\(\boldsymbol{x}_{-1}\)表示\(\boldsymbol{x}\)中除\(x_1\)外的所有元素 张量 坐标超过两维的数组 矩阵 特殊矩阵 满秩矩阵:rank(A)=min(m,n) 正定矩阵:是 阅读全文
posted @ 2025-04-08 00:00
rdcamelot
阅读(60)
评论(0)
推荐(0)

浙公网安备 33010602011771号