林轩田《机器学习基石》笔记
整理下刚看完的《机器学习基石》,写个目录大纲,方便自己随时查阅。
笔记一:
机器学习的定义、应用场合、基本术语、流程图
笔记二:
①介绍了线性感知机模型(Perceptron)②对于线性可分,采用PLA算法,有详细推导③对于线性不可分,采用Pocket算法
笔记三:
介绍了机器学习的类型
笔记四:
①证明了机器学习的可行性②NFL定理③霍夫丁不等式
笔记五:
①更深入讨论机器学习的可行性②专有名词:Ein(g)、Eout(g)、h、g、f、M
③成长函数mH(H)④break point
笔记六:
理论推导:只要break point存在,机器学习就是可行的
笔记七:
VC Dimension:dvc = d + 1(d表示维度)
P11 dvc、Ein、Ω模型复杂度之间的关系
笔记八:
噪声的影响,噪声产生的原因及解决方法,关于权重的分布
笔记九:
线性回归:图解得到Eout - Ein ≈ 2(N+1) / N
笔记十:
逻辑回归,交叉熵误差
笔记十一:
①线性分类②随机梯度下降③软性分类④OVO与OVA
笔记十二:
对于非线性模型的处理方法:将非线性模型映射到另一空间,转换为线性模型
笔记十三:
产生过拟合(overfitting)的原因,解决的办法
笔记十四:
正则化(regularization),是解决过拟合的方法之一
笔记十五:
验证(validation),是解决过拟合的方法之一。Leave - One - Out、V - Fold、Cross
笔记十六:
机器学习的三大法则:
奥卡姆剃刀定理(Occam’s Razor):如无必要,勿增实体
抽样偏差(Sampling Bias):训练数据、验证数据独立同分布
数据探测法(Data Snooping):不要偷窥原始数据
课后作业(附上大佬的链接):
Python版:
https://blog.csdn.net/devil_bye/article/details/80752529
C++版:
https://blog.csdn.net/a1015553840/article/details/51085129
林轩田《机器学习基石》笔记相关推荐
- 林轩田机器学习基石笔记6 - Theory of Generalization
Restriction of Break Point 四个成长函数与break point: 假设一个hypotheses,它的break point是2.那么当N=1的时候可以取到两个dichoto ...
- 林轩田机器学习基石笔记5 - Training versus Testing
Recap and Preview 机器学习流程图 第一节课,介绍机器学习是要找到最好的g,使g≈f(目标函数),保证Eout(g)≈0.第二节课,找方法使Ein≈0,如PLA和pocket.第四节课 ...
- 林轩田机器学习基石笔记14:Validation
0. 前言 之前的课程讲解了为了避免overfitting,可以使用regularization方法来解决.在之前的EinEinE_{in}上加上一个regularizer,生成EaugEaugE_{ ...
- 林轩田机器学习基石笔记(第6节)
第5节主要介绍了机器学习与统计学之间的关系,不用做太多了解,所以也可以跳过,直接进入本节. 今天主要学习的问题就是如何让机器解决是非题,仍然以银行发信用卡为例,就是根据客户提交的资料去判断要不要给该客 ...
- 林轩田机器学习基石笔记(第10-13节)——机器学习的分类
第10节主要讲到了多元分类(Multiclass Classification)的概念. 第11节主要简单介绍了监督学习(Supervised).非监督学习(Unsupervised).半监督学习(S ...
- 林轩田机器学习基石笔记3:机器学习分类
笔者正处于学习阶段,任何问题欢迎指正. 0. 前言 机器学习通过样本输出维度,输入维度,学习方法等可以分成许多类别,这篇文章主要屡一下这些关系,首先看一下我做的思维导图,下面我会对每一种类别进行介绍. ...
- 林轩田机器学习基石笔记3—Types of Learning
上节课我们主要介绍了解决线性分类问题的一个简单的方法:PLA.PLA能够在平面中选择一条直线将样本数据完全正确分类.而对于线性不可分的情况,可以使用Pocket Algorithm来处理.本节课将主要 ...
- 林轩田机器学习基石笔记(第23-24节)——上限函数Bounding Function
本节我们讨论上限函数,所谓的上限函数就是,成长函数露出Break Point的点.只要我们知道了该点的值,就可以知道Hypothesis Set最多可以画多少条Dichotomy. 第20节的时候我们 ...
- 林轩田机器学习基石笔记2 - Learning to Answer Yes/No
Perceptron Hypothesis Set 感知器,一个具体的例子:评定要不要给用户信用卡,给(y=+1),不给(y = -1) xi:维度 wi:权重 threshold:阈值 简化符号,将 ...
- 台湾大学林轩田机器学习基石课程学习笔记13 -- Hazard of Overfitting
红色石头的个人网站:redstonewill.com 上节课我们主要介绍了非线性分类模型,通过非线性变换,将非线性模型映射到另一个空间,转换为线性模型,再来进行分类,分析了非线性变换可能会使计算复杂度 ...
最新文章
- windows server 2008 R2上安装MRTG指南
- 这 100 个心理学知识你必须了解
- lvs工作在第几层_lvs负载均衡算法工作在哪一层
- Golang for range陷阱
- 数据结构基础 后序遍历和中序遍历还原二叉树
- 靠打麻将赢来800万!开家烂店天天跟顾客对着干,年赚569亿!
- Linux系统内存管理实验报告,linux内存管理实验报告
- can网络管理(osek中的NM)
- 《守望先锋》架构设计和网络同步
- python龙卷风框架,龙卷风python的简单异步示例
- Java学习笔记(五):Complex类的设计及加减乘除运算的实现
- C3P0 连接池错误【已解决】-An exception occurred while acquiring a poolable resource. Will retry.
- 利用Retrofit, RxJava获取网络内容
- VS2019 ClaudiaIDE更换背景图片
- 【R语言】字符串处理
- CRP原理的简单例子
- LCD模块加载启动分析
- 虚函数、纯虚函数、虚继承、多继承
- linux系统视频软件,腾讯视频Linux版下载
- ZBrush的双十一来了,然鹅...