發(fā)簡信
IP屬地：廣西
-
機器學(xué)習(xí)中牛頓法凸優(yōu)化的通俗解釋
之前，我發(fā)過一篇文章，通俗地解釋了梯度下降算法的數(shù)學(xué)原理和推導(dǎo)過程，推薦一看。鏈接如下： 簡單的梯度下降算法，你真的懂了嗎？ 我們知道，梯度下降...
-
臺灣大學(xué)林軒田機器學(xué)習(xí)基石課程學(xué)習(xí)筆記7 -- The VC Dimension
前幾節(jié)課著重介紹了機器能夠?qū)W習(xí)的條件并做了詳細(xì)的推導(dǎo)和解釋。機器能夠?qū)W習(xí)必須滿足兩個條件： 1、假設(shè)空間H的Size M是有限的，即當(dāng)N足夠大的...
-
臺灣大學(xué)林軒田機器學(xué)習(xí)基石課程學(xué)習(xí)筆記6 -- Theory of Generalization
上一節(jié)課，我們主要探討了當(dāng)M的數(shù)值大小對機器學(xué)習(xí)的影響。如果M很大，那么就不能保證機器學(xué)習(xí)有很好的泛化能力，所以問題轉(zhuǎn)換為驗證M有限，即最好是按...
-
臺灣大學(xué)林軒田機器學(xué)習(xí)基石課程學(xué)習(xí)筆記5 -- Training versus Testing
上節(jié)課，我們主要介紹了機器學(xué)習(xí)的可行性。首先，由NFL定理可知，機器學(xué)習(xí)貌似是不可行的。但是，隨后引入了統(tǒng)計學(xué)知識，如果樣本數(shù)據(jù)足夠大，且hyp...
-
Jupyter notebook入門教程（下）
Jupyter notebook的入門教程第二部分的英文原文出處： Getting started with the Jupyter noteb...
-
Jupyter notebook入門教程（上）
本文將分上下兩部分簡單介紹Jupyter notebook的入門教程，英文原文出處： Getting started with the Jupy...
-
NTU林軒田機器學(xué)習(xí)基石課程學(xué)習(xí)筆記4 -- Feasibility of Learning
上節(jié)課，我們主要介紹了根據(jù)不同的設(shè)定，機器學(xué)習(xí)可以分為不同的類型。其中，監(jiān)督式學(xué)習(xí)中的二元分類和回歸分析是最常見的也是最重要的機器學(xué)習(xí)問題。本節(jié)...
-
NTU林軒田機器學(xué)習(xí)基石課程學(xué)習(xí)筆記3 -- Types of Learning
上節(jié)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(shù)據(jù)完全正確分類。而對于線性不可分的情況，可以...
-
NTU林軒田機器學(xué)習(xí)基石課程學(xué)習(xí)筆記2 -- Learning to Answer Yes/No
上節(jié)課，我們主要簡述了機器學(xué)習(xí)的定義及其重要性，并用流程圖的形式介紹了機器學(xué)習(xí)的整個過程：根據(jù)模型H，使用演算法A，在訓(xùn)練樣本D上進(jìn)行訓(xùn)練，得到...