摘要：
机器学习基石HOW BETTER部分(2) 标签：机器学习基石 第十四章 minimizes augmented error, where the added regularizer effectively limits model complexity 主要思想：将假设函数从高次多项式降至低次。 阅读全文
摘要：
机器学习基石HOW BETTER部分(4) 标签：机器学习基石 第十六章 奥卡姆剃刀（Occam’s Razor） 哲学意义：剃掉过分的解释。 机器学习：对训练数据最简单的解释就是最好的。 The simplest model that fits the data is also the most 阅读全文
摘要：
机器学习基石HOW BETTER部分(3) 标签：机器学习基石 第十五章 (crossly) reserve validation data to simulate testing procedure for model selection 模型选择问题 做二元分类，可以有的选择真的好多啊。每一种的 阅读全文
摘要：
机器学习基石HOW BETTER部分(1) 标签：机器学习基石 第十三章 overfitting happens with excessive power, stochastic/deterministic noise, and limited data underfitting：EIN和Eout都 阅读全文
摘要：
机器学习基石HOW部分(4) 标签：机器学习基石 第十二章 nonlinear via nonlinear feature transform ϕ plus linear with price of model complexity 前面的分析都是基于“线性假设“，它的优点是实际中简单有效，而且理论 阅读全文
摘要：
机器学习基石HOW部分(3) 标签：机器学习基石 第十一章 binary classification via (logistic) regression; multiclass via OVA/OVO decomposition 所有的回归算法，经过一些修改，就可以用来做分类。但是分类算法无论怎么 阅读全文
摘要：
机器学习基石HOW部分(2) 标签：机器学习基石 第十章 gradient descent on cross-entropy error to get good logistic hypothesis 从方程的形式、误差的衡量方式、如何最小化Ein的角度出发 之前提过的二元分类器如PLA，其目标函数 阅读全文
摘要：
机器学习基石HOW部分(1) 标签：机器学习基石 第九章 analytic solution wLIN=X†y with linear regression hypotheses and squared error 从方程的形式、误差的衡量方式、如何最小化Ein的角度出发，并简单分析了Hat Mat 阅读全文