Coursera台大机器学习课程笔记5 -- Theory of Generalization
本章思路： 根据之前的总结，如果M很大，那么无论假设泛化能力差的概率多小，都无法忽略，所以问题转化为证明M不大，然后上章将其转化为证明成长函数：mh(N)为多项式级别。直接证明似乎很困难，本章继续利 ...
原文：机器学习笔记：Learning Theory
截止目前，已经知道了常用的机器学习算法是怎么回事儿 学习的步骤是怎么进行的。但在机器学习的应用背景是多种多样的，做实际工程必须学会如何根据具体的问题评估一个学习模型的好坏，如何合理地选择模型 提取特征，如何进行参数调优。这些也是我以前做模式识别时欠缺的环节，所以在遇到识别率很低的情况时，往往很困惑，不知道该如何改进：到底是应该改进模型改变特征 还是应该增加训练样本数量，到底是应该优化迭代算法，还 ...
2012-09-11 16:26 0 3265 推荐指数：
相关推荐
机器学习笔记17(Lifelong Learning)
Lifelong Learning 终身学习 1、什么是Lifelong Learning 2、怎么做Lifelong Learning (Elastic Weight Consolidation )EWC 其他方法 3、怎么评估Lifelong ...
机器学习笔记1 - Hello World In Machine Learning
前言 Alpha Go在16年以4:1的战绩打败了李世石，17年又以3:0的战绩战胜了中国围棋天才柯洁，这真是科技界振奋人心的进步。伴随着媒体的大量宣传，此事变成了妇孺皆知的大事件。大家又开始激烈的讨论机器人什么时候会取代人类统治世界的问题。 其实人工智能在上世纪5、60年代就开始进入 ...
李宏毅机器学习笔记12（Transfer Learning）
Transfer Learning 1、什么是迁移学习 2、如何实现迁移学习 1）source有label，target有label 一、model fine-tuning（模型微调） 方法一、conservative training（保守训练 ...
机器学习之 manifold learning(流型学习)
1.流型介绍 流形学习的观点：认为我们所能观察到的数据实际上是由一个低维流行映射到高维空间的。由于数据内部特征的限制，一些高维中的数据会产生维度上的冗余，实际上这些数据只要比较低的维度就能唯一的表示。所以直观上来讲，一个流形好比是一个d">𝑑d维的空间，在一个m">𝑚m维的空间中& ...
机器学习--集成学习（Ensemble Learning）
一、集成学习法 在机器学习的有监督学习算法中，我们的目标是学习出一个稳定的且在各个方面表现都较好的模型，但实际情况往往不这么理想，有时我们只能得到多个有偏好的模型（弱监督模型，在某些方面表现的比较好）。集成学习就是组合这里的多个弱监督模型以期得到一个更好更全面的强监督模型，集成学习潜在的思想 ...
机器学习笔记（一）
一、监督学习（supervised-learning）与无监督学习（unsupervised-learning） 1.监督学习中数据集是由特征组和标签组成，目的是训练机器对标签取值的准确预测。如：房价预测、肿瘤判定、垃圾邮件判定。 2.无监督学习中人工不对数据集作 ...
【机器学习Machine Learning】资料大全
昨天总结了深度学习的资料，今天把机器学习的资料也总结一下(友情提示：有些网站需要"科学上网"^_^) 推荐几本好书： 1.Pattern Recognition and Machine Learning (by Hastie, Tibshirani, and Friedman's ...