参考：http://blog.csdn.net/qiusuoxiaozi/article/details/51558497 台湾大学林轩田教授机器学习基石课程理解及python实现 PLA ...
分类：
其他好文 时间：
2016-11-20 07:02:28
阅读次数：
164
http://tieba.baidu.com/p/4089747196 版本：Office 2016 Visio 专业版 32位版文件名：SW_DVD5_Visio_Pro_2016_W32_ChnSimp_MLF_X20-41580.ISO文件大小：609447936 字节MD5: 96E008B... ...
分类：
其他好文 时间：
2016-10-14 06:53:04
阅读次数：
1961
本节课程主要讲述过拟合。 VC Dimension过大的时候会发生Bad Generalization，也就是Ein很低，但是Eout很高的情况。没有办法做举一反三的学习。 Ein越做越好，但是Eout却上升了。这种情况叫做过拟合。 欠拟合就是做的不好的情况，通过增加VC Dimension可以解决 ...
分类：
其他好文 时间：
2016-09-28 15:56:57
阅读次数：
213
本节课重要讲述非线性的问题怎么样才能变成线性的分类问题。 到目前为止，我们会用模型进行线性的分类（左图），但是遇到右图的样子的时候，还是不能用一条线将它们分开。 但是右图视觉上，明显是可以用一个圆来进行分类的，假设一个半径为0.6的圆： 将上面的方程式进行展开和赋值，通过转换，再一次把圆形的方程式换 ...
分类：
其他好文 时间：
2016-09-28 12:35:10
阅读次数：
143
如果我们想要知道的并不是绝对的是或者非，我们只想知道在是非发生的概率（只想知道概率，不想知道结果）是多少的时候： 虽然我们想要知道左边的完美数据，但是在实际生活中，我们只有右边的数据，也就是一些确定的结果，不可能有概率值这个事情让我们知道。而右边的数据可以看成是有噪声的不完美的数据。 怎么解决这样的 ...
分类：
其他好文 时间：
2016-09-28 10:13:39
阅读次数：
192
本节课主要讲在机器学习中，机器如何做到举一反三。 上图可以得出结论，当N超过k的时候，mH的数量会越来越少。对未来成长函数的样子加了一个限制。 mH的数量其实是有一个上限的，这个上限就是关于N的一个多项式。引出定义bonding function B(N,k) 已知上限函数的break point是 ...
分类：
其他好文 时间：
2016-09-27 14:46:12
阅读次数：
241
本节课主要讲述机器学习怎么解决是非题。 介绍系列课程的第一个模型：perceptron（感知器） 把每一个sample的各种feature用一个向量来表示，也就是下图的x，以上图为例，x1=age, x2=annual salary, x3=year in job, x4=current detb， ...
分类：
其他好文 时间：
2016-09-27 08:02:30
阅读次数：
173
机器学习的基石课程可以分成四个大的步骤： 1. 什么时候可以使用机器学习？ 2. 为什么机器学习可以有效果？ 3. 机器学习是一个怎样的过程？ 4. 机器学习怎么样才能学得更好？ From Learning to Machine Learning 仿照人类进行学习和认知的过程，机器进行学习的过程也非 ...
分类：
其他好文 时间：
2016-09-26 18:04:41
阅读次数：
115
四、 How Can Machines Learn Better? 我个人感觉第四讲是整个基石课程的精髓所在，很多东西说的很深也很好。 首先是overfitting的问题，过拟合是一个常发生的情况，简单的理解就是下图，low Ein不一定是好事，因为我们的目的是low Eout。所以不能过拟合你的训 ...
分类：
其他好文 时间：
2016-09-23 14:47:59
阅读次数：
191
三、How Can Machines Learn? 第三节首先介绍了linear regression,线性可分的线性规划是有analytic solution的，林老师给我们推了一下，关键就是矩阵化的处理，简化了很多的工作 上面三幅图是整个推导的过程，需要注意的是，最后的X不一定是可逆的，因为我们 ...
分类：
其他好文 时间：
2016-09-22 20:00:30
阅读次数：
263
