随笔分类 - Machine Learning
机器学习笔记
摘要：原文链接：https://www.cnblogs.com/wenyi1992/p/7685131.html 【基本流程】 分类决策树的核心思想就是在一个数据集中找到一个最优特征，然后从这个特征的选值中找一个最优候选值(这段话稍后解释)，根据这个最优候选值将数据集分为两个子数据集，然后递归上述操作，直
阅读全文
摘要：基本形式 【引言：为什么学习线性模型】 线性模型（）形式简单、易于建模，但却蕴含着机器学习中一些重要的基本思想。 许多功能更为强大的非线性模型（）可在线性模型的基础上通过引入层级结构或高级映射而得。 所以，首先学习线性模型是必要的。
阅读全文
摘要：代价敏感错误率 代价曲线
阅读全文
摘要：【引入原因】 错误率和精度虽常用，但并不能满足所有任务需求。 什么任务需求呢？以西瓜问题为例，假定瓜农拉来一车西瓜，我们用训练好的模型对这些西瓜进行判别，显然，错误率衡量了有多少比例的瓜被判别错误， 但是，若我们关心的是“挑出的西瓜中有多少比例是好瓜”，或者“所有好瓜中有多少比例被挑了出来”， 那么
阅读全文
摘要：1.1引言 喧闹的教室突然变得鸦雀无声，没有抬头的你第一反应就是老板进了教室，赶紧就收起了手里的手机。 结果抬头一看，老板果真进来了；或者有时候抬头一看，什么也没有，大家哈哈一笑。 为什么？为什么你没抬头看就想到会是老板进来了？ 因为你以前有过相同或者相似的经历，也就是“经验”。 所以你再一次经历的
阅读全文
摘要：2.1经验误差与过拟合 定义：误差（error）：学习器的实际预测输出与样本的真是输出之间的差异 定义：学习器在训练集上的误差称为“训练误差”（training error）或“经验误差”（empirical error）； 在新样本上的误差称为“泛化误差”（generalization error
阅读全文
摘要：Welcome Welcome to Machine Learning!（video） What is machine learning?You probably use it dozens of times a day without even knowing it.1.Each time you
阅读全文
