day2021_9_24

今日内容

• 完成了西瓜书第八章、第九章的学习
• 第八章
  1. 集成学习：将多个个体学习器通过某种策略结合起来，得到一个具有更强泛化能力的学习器。
  2. 集成学习要求个体学习器要有一定的准确性，学习器之间也要有差异
  3. boosting算法：个体学习器之间存在较强的依赖关系，必须串行生成序列化的方法。先从训练集训练出一个基学习器，在先前基学习器做错的训练样本在后续中会收到更多的关注，调整后再根据就样本分布训练出下一个基学习器；反复进行，指导基学习器的数目达到事先指定的值
  4. Bagging算法： 个体学习器之间不存在强依赖关系，可以同时生成并行化方法。对于给定的m个样本，通过自助法得到T个含m个训练样本的采样集，然后基于每个采样集训练出一个基学习器，再将这些学习器进行结合。
• 第九章
  1. 聚类：在“无监督学习”中，将没有标签的样本划分为若干个不相交的类别。
  2. k均值算法：
     从样本集中随机选择k个样本作为初始均值向量，然后遍历其他样本，其他样本与初始均值近的归为一起，然后重新计算均值，进入到下一轮，直到均值向量没有更新为止。
  3. LVD算法： 与k均值算法类似，随机将几个样本作为初始化向量，然后对其他样本计算他们与向量之间的距离，根据距离长短，更新原型向量的值，直到迭代轮数到一定数目为止。

遇到的问题

• 第九章后面的高斯混合聚类还是需要多读几次，比较难理解

明日计划

• 上午完成对第九章的扫尾工作，下午把第十章争取结束了。