摘要：
1、基本概念 计算学习理论（computational learning theory）是通过“计算”来研究机器学习的理论， 其目的是分析学习任务的本质，例如：在什么条件下可进行有效的学习，需要多少训练样本能获得较好的精度等，从而为机器学习算法提供理论保证。 2、PAC学习 计算学习理论中最基本的是 阅读全文
摘要：
本周收获 总结一下本周学习内容： 1、《深入浅出Pandas》的第17章：实战案例 17.1 实战思想~ 17.2数据处理案例 :car:博客： Pandas:实战案例（上） 2、《机器学习》第11章：特征选择与稀疏学习 11.1 子集搜索与评价 11.2 低过滤式选择 11.3 包裹式选择 11. 阅读全文
摘要：
1、数值稳定性和模型初始化 深度模型有关数值稳定性的典型问题是衰减（vanishing）和爆炸（explosion）。 1.1衰减和爆炸 当神经网络的层数较多时，模型的数值稳定性容易变差。假设一个层数为$L$的多层感知机的第$l$层$\boldsymbol{H}^{(l)}$的权重参数为$\bold 阅读全文
摘要：
1、实战思想 1.1链式方法 pandas 的链式编写方法是利用 pandas 的面向对象特性，下一个方法或者操作对上一个对象应用相关方法的过程。 用法 ( df.<method1> # 短注释 .<method1> # 短注释 # 长注释 .<method2> .<...> ..<methodN> 阅读全文
摘要：
1、子集搜索与评价 特征选择（feature selection）：从给定的特征集合中选择出相关特征子集的过程。 进行特征选择的原因主要分为： 解决“维数灾难”问题。（与降维有异曲同工之妙） 降低学习任务的难度（将纷繁复杂的因素抽丝剥茧，留下关键因素） 无关特征是指与当前学习任务无关的特征。 冗余特 阅读全文