首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >机器学习读书笔记一

机器学习读书笔记一

作者头像
吕海峰
发布2018-04-03 15:19:17
4970
发布2018-04-03 15:19:17
举报
文章被收录于专栏:BrianBrian

概述

最近在看周教授的《机器学习》,书中很多理论知识非常适合入门和学习。故把每一章的自己读书笔记和记录给写下来。

基本术语

机器学习:机器学习致力于研究如何利用经验来改善系统自身的性能。机器学习所研究的内容是关于在计算上从数据中产生模型的算法。 书中通过西瓜的例子生动的阐述了很多内容,比如收集了一些西瓜数据:(色泽=青绿;根蒂=蜷缩;敲声=浊响),(色泽=乌黑;根蒂=硬挺;敲声=沉闷),…… Data Set:记录的集合,比如这些西瓜数据。 Instance:每条记录是关于一个事件或者对象。 Attribute or Feature:事件或者对象某些方面表象的性质。 Attribute Space:属性张成的空间。 Feature Vector:属性空间中的一个示例。

D=\lbrace x_1,x_2......,x_m \rbrace,x_i= \lbrace x_{i1};x_{i2};x_{i3}......x_{id} \rbrace

D表示包含m个示例的数据集,每个示例x是d维样本空间X中的一个向量。 Hypothesis:学的模型的某种潜在规律。 根据训练数据是否拥有标记信息,学习任务分为supervised learning and unsupervised learning。分类和回归是supervised learning的代表,聚类是unsupervised learning的代表。 generalization 能力:学的模型适用于新样本或者未知数据集的能力。 Hypothesis Space:假设组成的所有空间,假设学习一个好瓜的模型,暂定好瓜由色泽、根底和敲声构成。好瓜<->(色泽=?) and (根蒂=?)and (敲声=?),我们的任务就是通过训练数据确定?的值。 学习过程就是一个在所有假设组成的空间中(假设空间)进行搜索,搜索的目标是找到与训练集fit的假设,即能将训练数据集中的样本判断正确的假设。假设的表示一旦确定,假设的空间和规模就确定了。 假设空间的确定:依据属性的取值范围来确定假设空间。 Version Space:存在着一个与训练集一致的假设集合, inductive bias:机器学习算法在学习过程中对某种类型假设的偏好。 奥卡姆剃刀:若多个假设与观察一致,则选择最简单的那一个。 没有免费午餐定理:学习算法的期望性能一样。

本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2017-05-22,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 概述
  • 基本术语
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档