• 干货|机器学习基石精选文章链接

    时间：2023-01-02 21:12:26

    下面这部分内容列出了机器学习基石的精选文章。包括什么时候机器能够学习？为什么机器能够学习？机器如何进行学习？机器如何更好地学习？四个方面。 如果你对我的文章和内容有什么想法和建议的话，欢迎在文章底部直接留言或直接在公众...

    标签：

  • 机器学习基石：14 Regularization

    时间：2022-12-11 16:38:57

    一、正则化的假设集合通过从高次多项式的H退回到低次多项式的H来降低模型复杂度,以降低过拟合的可能性,如何退回?通过加约束条件：如果加了严格的约束条件,没有必要从H10退回到H2,直接使用H2就可以了。加上松弛点的约束条件,使得模型比H2复杂,但到不了H10那么复杂。二、权重衰减正则化通过拉格朗日乘子...

  • 机器学习基石笔记：11 Linear Models for Classification

    时间：2021-12-10 11:45:33

    一、二元分类的线性模型线性分类、线性回归、逻辑回归：可视化这三个线性模型的代价函数，SQR、SCE的值都是大于等于0/1的。理论分析上界：将回归应用于分类：线性回归后的参数值常用于pla/pa/logisticregression的参数初始化。二、随机梯度下降两种迭代优化模式：利用全部样本-----...

  • 机器学习基石 5 Training versus Testing

    时间：2021-10-09 23:02:24

    机器学习基石5TrainingversusTestingRecapandPreview回顾一下机器学习的流程图：机器学习可以理解为寻找到\(g\)，使得\(g\approxf\)，也就是\(E_{out}(g)\approx0\)的过程。为了完成这件事情，有两个关键的步骤，一个是保证\(E_{out...