首页 > TAG信息列表 > 林轩
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dichotomies。当N≥2的时候就不能取到所有的dichotomies。当N=2的时候就取不到2^2=4个dichotomies,最多只能取到3个。当N=3时，经过下列实验可知最【台大林轩田《机器学习基石》笔记】Lecture 8——Noise and Error
文章目录 Lecture 8:Noise and ErrorNoise and Probabilistic TargetError MeasureAlgorithmic Error MeasureWeighted Classification Lecture 8:Noise and Error Noise and Probabilistic Target 如果数据集本身存在噪声，会不会影响VC Dimension的推导？ 数据集中的噪声【台大林轩田《机器学习基石》笔记】Lecture 2——Learning to Answer Yes/No
文章目录 Lecture 2:Learning to Answer Yes/NoPerceptron Hypothesis SetPerceptron Learning Algorithm(PLA)Guarantee of PLANon-Separable DataSummary Lecture 2:Learning to Answer Yes/No Perceptron Hypothesis Set 举个栗子： 某银行要决定是否要给客户发放信用台湾大学林轩田机器学习基石课程学习笔记14 -- Regularization
台湾大学林轩田机器学习基石课程学习笔记14 -- Regularization上节课我们介绍了过拟合发生的原因并介绍了解决overfitting的简单方法。本节课，我们将介绍解决overfitting的另一种非常重要的方法：Regularization规则化。1. Regularized Hypothesis Set先来看一个典型的overfitting的例台湾大学林轩田机器学习基石课程学习笔记15 -- Validation
台湾大学林轩田机器学习基石课程学习笔记15 -- Validation上节课我们主要讲了为了避免overfitting，可以使用regularization方法来解决。在之前的Ein上加上一个regularizer，生成Eaug，将其最小化，这样可以有效减少模型的复杂度，避免过拟合现象的发生。那么，机器学习领域还有许多选择，如何保台湾大学林轩田机器学习基石课程学习笔记9 -- Linear Regression
台湾大学林轩田机器学习基石课程学习笔记9 -- Linear Regression上节课，我们主要介绍了在有noise的情况下，VC Bound理论仍然是成立的。同时，介绍了不同的error measure方法。本节课介绍机器学习最常见的一种算法：Linear Regression。一、线性回归问题在之前的Linear Classification课程假期福利 | 林轩田《机器学习基石》资源汇总
假期福利 | 林轩田《机器学习基石》资源汇总 课程介绍 台湾大学林轩田老师的《机器学习基石》课程由浅入深、内容全面，基本涵盖了机器学习领域的很多方面。其作为机器学习的入门和进阶资料非常适合。而且林老师的教学风格也很幽默风趣，总让读者在轻松愉快的氛围中掌握知识。在此，笔台湾大学林轩田机器学习技法课程学习笔记6 -- Support Vector Regression.pdf
台湾大学林轩田机器学习技法课程学习笔记6 -- Support Vector Regression.pdf台湾大学林轩田机器学习技法课程学习笔记7 -- Blending and Bagging
台湾大学林轩田机器学习技法课程学习笔记7 -- Blending and Bagging台湾大学林轩田机器学习技法课程学习笔记2 -- Dual Support Vector Machine
台湾大学林轩田机器学习技法课程学习笔记2 -- Dual Support Vector Machine 这个 q 是啥 ...台湾大学林轩田机器学习基石课程学习笔记14 -- Regularization
林轩田机器学习2
目标公式 线性分类器： 这里先介绍一下向量点乘和叉乘： 向量的点乘：（粗体代表向量） 向量的点乘又称为内积，设两个向量为 A{x1,2,x3…xn}，B{y1,y2,y3,…yn}，该向量的点乘结果为对应子项的乘积和，也就是x1 * y1 + x2 * y2 + x3 * y3 +…+ xn * yn，点乘结果为一个数值。向量点乘的另一种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。本节课将主要介绍一下机器学习有哪些种类，并进行归纳。 一、Learning with Different Output Space Y（根据林轩田机器学习基石笔记1—The Learning Problem
机器学习分为四步： When Can Machine Learn? Why Can Machine Learn? How Can Machine Learn? How Can Machine Learn Better? 一、What is Machine Learning Q：什么是“学习”？ A：学习就是人类通过观察、积累经验，掌握某项技能或能力。就好像我们从小学习识别字母、认识汉字，就