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 from experience E ...
原文：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等，這個好理解，離散的是分類，連續的是回歸，到是結構化的學習接觸的相對較少，以后有空可以關注下。 按照數據標記分可以分為： 監督 非監督 半監督 增強學習 下面這張ppt很好的總結了這點： 這是 ...
2013-12-09 23:08 0 4401 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 ...
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 ...
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 ...
機器學習分類
本文參考了北京大學王文敏教授的《人工智能原理》課程 https://www.icourse163.org/course/PKU-1002188003?tid=1206730204 mooc課件中從三個角度來分類機器學習，此外我還補充了幾點 機器學習分類的視角有很多，從不同的角度可以了解 ...
三、機器學習的分類
三 -- Types of Learning 上節課我們主要介紹了解決線性分類問題的一個簡單的方法：PLA。PLA能夠在平面中選擇一條直線將樣本數據完全正確分類。而對於線性不可分的情況，可以使用Pocket Algorithm來處理。本節課將主要介紹一下機器學習有哪些種類，並進行歸納。 1. ...
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 ...