?? 内容概要¶ 训练集/測试集切割用于模型验证的缺点K折交叉验证是怎样克服之前的不足交叉验证怎样用于选择调节參数、选择模型、选择特征改善交叉验证 1. 模型验证回想¶ 进行模型验证的一个重要目的是要选出一个最合适的模型，对于监督学习而言，我们希望模型对于未知数据的泛化能力强，所以就须要模型验证这一 ...
分类：
其他好文 时间：
2017-06-23 14:14:54
阅读次数：
1121
************************************** 注：本系列博客是博主学习Stanford大学 Andrew Ng 教授的《机器学习》课程笔记。博主深感学过课程后，不进行总结非常easy遗忘。依据课程加上自己对不明确问题的补充遂有此系列博客。本系列博客包含线性回归、逻辑回 ...
分类：
其他好文 时间：
2017-06-21 13:38:13
阅读次数：
169
介绍了机器学习中的几类问题划分。 半监督学习能够避免标记成本昂贵的问题。 强化学习，可以看做是从反馈机制中来学习。 在线学习，数据一个接一个地产生并交给算法模型线上迭代。 主动学习，机器能针对自己没有信心的数据提问，得到答案后再学习。 针对特征空间也有分类，比如具体的特征、原始的（个人理解是人为可提 ...
分类：
其他好文 时间：
2017-06-20 16:24:28
阅读次数：
147
监督学习 简单来说监督学习模型如图所示 其中 x是输入变量 又叫特征向量 y是输出变量 又叫目标向量 通常的我们用（x,y）表示一个样本 而第i个样本 用（x（i），y（i））表示 h是输出函数 监督学习的任务是学习一个模型，使模型能够对任意的输入，做出很好的预测。 习惯的样本训练数目用m表示 梯度 ...
分类：
其他好文 时间：
2017-06-18 20:48:31
阅读次数：
228
半监督学习 顾名思义是介于分类（监督学习）与聚类（无监督学习）之间的一种学习范式。给定很少一部分样本的类标签，怎么样利用少部分具有类标签的数据来提高聚类的准确率是其研究主题。其中基于图的标签传播（Label Propagation）算法是有影响的算法之一。 UCI机器学习数据库：http://arc ...
分类：
编程语言 时间：
2017-06-17 18:36:27
阅读次数：
274
目前，机器学习的方法主要有三种：监督学习、半监督学习和无监督学习。监督学习是利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程。白话一点，就是根据已知的，推断未知的。代表方法有：Nave Bayes、SVM、决策树、KNN、神经网络以及Logistic分析等； 半监督方法主要考虑如何利 ...
分类：
其他好文 时间：
2017-06-16 21:11:59
阅读次数：
275
支持向量机（SVM）是当前非常流行的监督学习方法，其核心主要有两个： 极大边距分离器 假设我们想构造一个线性分类器，如下图所示： 我们有无数的选择，那么哪个选择才是最优的呢？直观上观察，我们希望选择距离样例最远的分类器，因为分类器距离样例越近，那么当与该样例相近的真实样例很有可能就落在了直线的另一边 ...
分类：
其他好文 时间：
2017-06-15 14:13:58
阅读次数：
142
自编码器是什么？ 自编码器本身就是一种BP神经网络。它是一种无监督学习算法。 我们都知道神经网络能够从随意精度逼近随意函数，这里我们让神经网络目标值等于输出值x，也就是模拟一个恒等函数： 太无聊了，是吗？输入等于输出，这网络有什么意义？可是。当我们把自编码神经网络增加某些限制，事情就发生了变化。如图 ...
分类：
其他好文 时间：
2017-06-09 20:17:37
阅读次数：
158
在我们设计无监督学习模型时，应尽量做到 无监督学习的目标是为有监督模型提供初始化的参数，理想情况是“这些初始化的参数能够极大提高后续有监督模型准确率，即使有监督任务的训练样本数很少”。类别理解就是，我们在Imagenet上通过有监督的方式训练得到了表达能力很强的网络，在我们迁移至新的任务时（该任务带 ...
分类：
其他好文 时间：
2017-06-07 00:49:48
阅读次数：
173
一、机器学习介绍 什么是机器学习？计算机程序从经验E（给一些样本数据）中学习任务T，用度量P来衡量性能，并且由P定义的关于T的性能会随着经验E而提高 机器学习分为：有监督学习（给出数据样本的标签）、无监督学习（没有给出数据样本的标签）、半监督学习（给出少量的有标签数据，和大量没有标签的数据）、强化学 ...
分类：
其他好文 时间：
2017-06-06 23:24:41
阅读次数：
234
