RavenZhao's Blog

DON'T PANIC.

第四章 决策树

机器学习

第四章 决策树 4.1 基本流程 决策树（decision tree）：基于树结构来进行决策。 决策过程的最终结论对应了我们所希望的判定结果； 决策过程中提出的每个判定问题都是对某个属性的“测试”； 每个测试的结果或是导出的最终结论，或是导出的进一步的判定问题。 决策树包含： 一个根结...

Posted by RavenZhao on August 25, 2018

第三章 线性模型

机器学习

第三章 线性模型 3.1 基本形式 给定由$d$个属性描述的示例$x=(x_1,x_2,x_3,…,x_d)$，其中$x_i$是$x$的第$i$个属性上的取值，线性模型（linear model）试图学习得到一个通过属性的线性组合来预测的函数，即：$f(x)=w_1x_1+w_2x_2+w_3x_3+…+w_dx_d+b$。 一般用向量形式写成$f(x)=w^tx+b$，其中$...

Posted by RavenZhao on August 21, 2018

第二章 模型评估与选择

机器学习

第二章 模型评估与选择 2.1 经验误差与过拟合 错误率（error rate）:分类错误的样本数占样本总数的比例。如果在$m$个样本中有$a$个样本分类错误，则错误率$ E = a/m $。 精度（accuracy）= 1-错误率。$ accuracy = 1 - E $。 误差（error）：学习器的实际预测输出与样本的真实输出之间的差异。 学习器...

Posted by RavenZhao on August 18, 2018

第一章 绪论

机器学习

第一章 绪论 1.1 引言 我们能做出有效的预判，是因为我们已经积累了许多经验，通过对经验的利用，就能对新的情况做出有效的决策。 在计算机系统中，”经验“通常以数据的形式存在。 机器学习所研究的主要内容，是关于在计算机上从数据中产生“模型”（model）的算法，即机器学习算法（learning algorithm） 假设用P来评估计算机程序在某任务类T上的性能，若一个程...

Posted by RavenZhao on August 17, 2018

FEATURED TAGS
机器学习 笔记 Coursera Java Python
ABOUT ME

就算没有鸽子一定有乌鸦!

✉️ zhaorong0127@gmail.com