Coursera台大機器學習基礎課程學習筆記2 -- 機器學習的分類
總體思路： 各種類型的機器學習分類 按照輸出空間類型分Y 按照數據標記類型分yn 按照不同目標函數類型分f 按照不同的輸入空間類型分X 按照輸出空間類型Y，可以分為二元分類，多元分類，回歸分析以及結構化學習 ...
原文：Coursera台大機器學習基礎課程學習筆記1 -- 機器學習定義及PLA算法
最近在跟台大的這個課程，覺得不錯，想把學習筆記發出來跟大家分享下，有錯誤希望大家指正。 一機器學習是什么 感覺和Tom M. Mitchell的定義幾乎一致， A computer program is said to learn fromexperienceE with respect to some class of tasks T and performance measureP, if i ...
2013-12-03 23:56 8 20593 推薦指數：
相關推薦
Coursera台大機器學習課程筆記5 -- Theory of Generalization
本章思路： 根據之前的總結，如果M很大，那么無論假設泛化能力差的概率多小，都無法忽略，所以問題轉化為證明M不大，然后上章將其轉化為證明成長函數：mh(N)為多項式級別。直接證明似乎很困難，本章繼續利 ...
Coursera台大機器學習課程筆記6 -- The VC Dimension
本章的思路在於揭示VC Dimension的意義，簡單來說就是假設的自由度，或者假設包含的feature vector的個數（一般情況下），同時進一步說明了Dvc和，Eout，Ein以及Model Complexity Penalty的關系。 一回顧 由函數B(N,k)的定義 ...
Coursera台大機器學習課程筆記4 -- Training versus Testing
這節的主題感覺和training，testing關系不是很大，其根本線索在於鋪墊並求解一個問題： 為什么算法PLA可以正確的work？因為前面的知識告訴我們，只有當假設的個數有限的時候，我們才能比較確認我們得到壞的數據集的概率比較低，也就是說算法得出的假設和最佳假設在 ...
Coursera台大機器學習課程筆記3 – 機器學習的可能性
提綱： 機器學習為什么可能？ 引入計算橙球概率問題 通過用Hoeffding's inequality解決上面的問題，並得出PAC的概念，證明采樣數據學習到的h的錯誤率可以和全局一致是PAC的 將得到的理論應用到機器學習，證明實際機器 ...
台大林軒田老師《機器學習基石》和《機器學習技法》筆記大綱
注：本大綱和筆記是根據台大林軒田老師《機器學習基石》和《機器學習技法》視頻課程整理而來。林老師講課幽默風趣，授課內容豐富而又通透，解決了我作為初學者的很多困惑，對此我非常感激。關於林老師的視頻課程和相關資料，可參考這里。另外，個人認為，這里面講解的最最精彩的是SVM和機器學習的可行性這兩部分 ...
Coursera 機器學習 第7章 Support Vector Machines 學習筆記
7 Support Vector Machines7.1 Large Margin Classification7.1.1 Optimization Objective支持向量機（SVM）代價函數在數學上的定義。 復習一下S型邏輯函數： 那么如何由邏輯回歸代價函數得到支持向量機的代價函數 ...