摘要：
这节课是最后一节，讲的是做机器学习的三个原则。 第一个是Occan's razor，即越简单越好。接着解释了什么是简单的hypothesis，什么是简单的model。关于为什么越简单越好，林老师从大致思想上进行了解释：如果一个简单的模型能对数据分得很好，那说明输入的资料是有规律的资料（这被... 阅读全文
摘要：
这节课是接着上节的正则化课程的，目的也是为了防止overfitting。 第一小节讲了模型的选择，前面讲了很多模型，那么如何做出正确的选择呢？我们的目标是选择最小的Eout目标函数。首先应避免视觉化选择，因为高维。假如选Ein最小的化，则会出现过拟合。虽然能用test数据选择最好的，但通常... 阅读全文
摘要：
这一节讲的是正则化，在优化中一直会用到正则化项，上课的时候老师一句话代过，没有作过多的解释。听完这节课后，才明白好大学和野鸡大学的区别有多大。总之，这是很有收获的一节课。 首先介绍了为什么要正则化，简单说就是将复杂的模型用简单的模型进行表示，至于如何表示，这中间有一系列推导假设，很有创意。 ... 阅读全文