？ 形式化定義：假設可選的模型集合是，比如我們想分類，那么SVM、logistic回歸、神經網絡等模型都包含 ...

https://zhuanlan.zhihu.com/p/38553838 1 概率論和統計學的區別 簡單來說，概率論和統計學解決的問題是互逆的。假設有一個具有不確定性的過程（process），然后這個過程可以隨機的產生不同的結果（outcomes）。則概率論和統計學的區別可以描述 ...

寫在前面：機器學習的目標是從訓練集中得到一個模型，使之能對測試集進行分類，這里，訓練集和測試集都是分布D的樣本。而我們會設定一個訓練誤差來表示測試集的擬合程度（訓練誤差），雖然訓練誤差具有一定的 ...

其所以然。 學習理論 1.empirical risk minimization（經驗風險最小化） ...

1. 統計決策的基本概念 　　20世紀40年代，Wald提出了把統計推斷問題看成是人與自然的一種博弈過程，由此建立了統計決策理論。 統計決策問題的三個要素 　　在前幾章講的統計問題，都可以歸結為一個統計決策問題，也就是建立所謂的統計決策函數，統計決策問題由三個因素組成： 樣本空間和分布族 ...

2019年08月31日更新 看了一篇發在NM上的文章才又明白了貝葉斯方法的重要性和普適性，結合目前最火的DL，會有意想不到的結果。 目前一些最直覺性的理解： 概率的核心就是可能性空間一定，三體世界不會有概率 貝葉斯的基礎就是條件概率，條件概率的核心就是可能性空間的縮小，獲取了新 ...

目錄 一、貝葉斯 什么是先驗概率、似然概率、后驗概率 公式推導 二、為什么需要朴素貝葉斯 三、朴素貝葉斯是什么 條件獨立 舉例：長肌肉 拉普拉斯平滑 半朴素貝葉斯 一、貝葉斯 ...

之前講了監督學習和無監督學習，今天主要講“強化學習”。 馬爾科夫決策過程；Markov Decision Process（MDP） 價值函數；value function ...