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 ...
原文：机器学习笔记—增强学习
本文介绍增强学习和自适应控制。 在监督学习中，算法是要输出尽量模仿训练集中的标签 y，标签给每个输入 x 一个清楚的正确答案。与此不同，对于许多序列决策和控制问题，就很难对算法给出这种明确的监督。例如，如果要造一个四足机器人，并编程让它行走，起初我们并不知道让它行走的正确行动，所以也不知道怎么模仿学习算法给出明确的监督。 在增强学习框架中，我给算法一个回报函数，告诉学习代理执行得好坏。在四足行走的 ...
2016-04-27 10:46 0 5159 推荐指数：
相关推荐
机器学习笔记 增强学习与马尔科夫模型（1）
本文根据博客以及课堂老师讲授内容整理而来。 吐槽： 继上周介绍了Minimax和Expectimax后，外教这周又给我们介绍了马尔科夫模型，上周兴高采烈的感觉对Optimal Policy ...
机器学习复习笔记
如何验证算法的正确性 2. 机器学习的数据 2.1 样本 2.2 特征 2.3 特征空间 ...
《Python 机器学习》笔记（二）
机器学习分类算法 本章将介绍最早以算法方式描述的分类机器学习算法：感知器（perceptron）和自适应线性神经元。 人造神经元——早期机器学习概览 MP神经元 生物神经元和MP神经元模型的对应关系如下表： 这个结构非常简单，如果你还记得前面所讲的M-P神经元的结构的话，这个图 ...
Spark机器学习笔记一
Spark机器学习库现支持两种接口的API:RDD-based和DataFrame-based，Spark官方网站上说，RDD-based APIs在2.0后进入维护模式，主要的机器学习API是spark-ml包中的DataFrame-based API，并将在3.0后完全移除RDD-based ...
周志华 机器学习 笔记
首先的阶段由卷积层和池化层组成，卷积的节点组织在特征映射块（feature maps）中，每个节点与上一层的feature maps中的局部块通过一系列的权重即过滤器连接。加权和的结果被送到非线性函数 ...
机器学习笔记之机器学习算法XGBoost
0x00 概述 在上一篇Boosting方法的介绍中，对XGBoost有过简单的介绍。为了更还的掌握XGBoost这个工具。我们再来对它进行更加深入细致的学习。 0x01 什么是XGBoost 全称：eXtreme Gradient Boosting 作者：陈天奇(华盛顿大学 ...
视觉机器学习笔记------CNN学习
卷积神经网络是第一个被成功训练的多层神经网络结构，具有较强的容错、自学习及并行处理能力。 一、基本原理 1.CNN算法思想 卷积神经网络可以看作为前馈网络的特例，主要在网络结构上对前馈网络进行简化和改进，从理论上讲，反向传播算法可以用于训练卷积神经网络。卷积神经网络被广泛用于 ...