摘要：
k，N，m（H）的关系 此时x2，x3为一组有四种情况，可以被shatter，因此这组数据不能加入。 当break point k=2时，每组两个数据，当N>k时，k很大程度上限制了h的数量即m（H）。 练习题 由B（3，3）推B（4，3）： B（4，3）=2a+β B（3，3）=a+β 将E（ou 阅读全文
摘要：
review 因此机器学习被拆分为两个重要问题：1.E（out）足够接近E（in）？2.E(in)足够小？ 关于h的数量M 当h1和h2很接近时，发生bad事件的概率是重叠的。因此联级相加的结果远大于实际，无法处理M无限大时的情况。 当只有一笔资料时： 只有两种h。 当有两笔资料时： 会有四种h。 阅读全文
摘要：
霍夫丁不等式： 当样本N足够大时，μ和v相差很大的可能性很小。（需要合适的N和误差，N越大，μ和v接近的几率越大；且不需要知道μ） 证明了可由小样本的v推出μ。 用D检验h，即x是否与f相同（监督式学习x还会有标签y） 流程 从罐子中取样，得到一个概率P（g与f相同的概率），有两个用途：1.产生资料 阅读全文
摘要：
由y分类可分成：二元分析，多类别分析，回归分析，结构分析... 监督学习：知道样本的特征（硬币的重量、面值） 非监督学习：不知道特征，分类与聚类 半监督学习：少部分样本有标签（适用于获得标签较困难的情况） 强化学习（reinforcement learning）：基于奖惩机制，找到奖励最多的那个po 阅读全文
摘要：
PLA：Perceptron Learning Algorithm PLA的任务就是找到将数据集划分为两个区域的线。 基本模型 也可以叫linear classifiers 注意：上标表示第几个样本，下标表示这个样本的第几个特征 PLA算法流程： 输入：训练数据集{(X1,Y1),(X2,Y2),. 阅读全文
摘要：
1.Python3.8：解释器，将程序员的语言翻译成机器语言 2.IDLE：官方自带的编译器，也就是程序员写程序的地方，使用时影响程序可读性和调试 3.Pycharm，vscode：集成环境，Pycharm是专为Python设计的，可直接使用；vscode需安装Python扩展包 4.Anacond 阅读全文