机器学习理论基础
一、机器学习的概念 1、什么是学习？ --从人的学习说起 --学习理论；从实践中总结 --在理论上推导；在实践中检验 --通过各种手段获取知识或技能的过程 2、机器怎么学习？ --处理某个特定的任务，以大量的“经验”为基础 ...
原文：机器学习理论基础--常用算法思想要点
一 什么是机器学习 简述机器学习的一般过程。 机器学习是通过算法使得机器从大量历史数据中学习规律，从而对新样本做分类或者预测。 一个机器学习过程主要分为三个阶段： 训练阶段，训练阶段的主要工作是根据训练数据建立模型。 测试阶段，测试阶段的主要工作是利用验证集对模型评估与选择 工作阶段，工作阶段的主要工作是利用建立好的模型对新的数据进行预测与分类。 二 简述 K 折交叉验证与留一法的基本思想及其特点 ...
2019-12-06 17:33 0 304 推荐指数：
相关推荐
机器学习 - 学习理论
（feasibility of learning）？机器学习的学习理论对这些问题作出了解释。本文以理论 ...
机器学习（一） ---- 最优化理论基础
之前学习机器学习和数据挖掘的时候，很多都是知道这些算法的设计机制，对数学推导和求解过程依然是一知半解，最近看了一些机器学习算法的求解和各种优化算法，也发现了这些算法设计和公式推导背后的数学精妙之处和随处可见的最优化的影子。还是决定从最优化理论开始补起，本文主要内容如下： ...
机器学习理论篇:机器学习的数学基础
一、概述 我们知道，机器学习的特点就是：以计算机为工具和平台，以数据为研究对象，以学习方法为中心；是概率论、线性代数、数值计算、信息论、最优化理论和计算机科学等多个领域的交叉学科。所以本文就先介绍一下机器学习涉及到的一些最常用的的数学知识。 二、线性代数 2-1、标量 一个标量 ...
【机器学习理论】换底公式--以e，2，10为底的对数关系转化
我们在推导机器学习公式时，常常会用到各种各样的对数，但是奇怪的是--我们往往会忽略对数的底数是谁，不管是2，e，10等。 原因在于，lnx，log2x，log10x，之间是存在常数倍关系。 回顾学过的数学知识，换底公式如下: 则有 ...
机器学习理论|频率派和贝叶斯派对比
Frequentist VS Bayesian 在机器学习领域分为两个流派，分别是贝叶斯派和频率派。两种学派所基于的理论背景不同，应用场景也不尽相同。本文就以阅读PRML为背景，对学习所悟进行总结。 对于一些问题，比如类似从盒子中抽取小球的经典问题，我们可以通过多次实验的方式来计算频率，并进 ...
【机器学习理论】概率论与数理统计--独立和不相关
独立和互斥的区别在此省略，比较好理解。 首先我们看协方差的定义: Cov(X, Y) = E{[X - E(X)][Y - E(Y)]}. 协方差的性质有: ...
机器学习算法思想简单梳理
原文地址 http://www.cnblogs.com/tornadomeet/p/3395593.html 朴素贝叶斯： 有以下几个地方需要注意： 1. 如果给出的特征向量长度可能不同，这是 ...