发简信
IP属地：重庆
-
机器学习中牛顿法凸优化的通俗解释
之前，我发过一篇文章，通俗地解释了梯度下降算法的数学原理和推导过程，推荐一看。链接如下： 简单的梯度下降算法，你真的懂了吗？ 我们知道，梯度下降...
-
台湾大学林轩田机器学习基石课程学习笔记7 -- The VC Dimension
前几节课着重介绍了机器能够学习的条件并做了详细的推导和解释。机器能够学习必须满足两个条件： 1、假设空间H的Size M是有限的，即当N足够大的...
-
台湾大学林轩田机器学习基石课程学习笔记6 -- Theory of Generalization
上一节课，我们主要探讨了当M的数值大小对机器学习的影响。如果M很大，那么就不能保证机器学习有很好的泛化能力，所以问题转换为验证M有限，即最好是按...
-
台湾大学林轩田机器学习基石课程学习笔记5 -- Training versus Testing
上节课，我们主要介绍了机器学习的可行性。首先，由NFL定理可知，机器学习貌似是不可行的。但是，随后引入了统计学知识，如果样本数据足够大，且hyp...
-
Jupyter notebook入门教程（下）
Jupyter notebook的入门教程第二部分的英文原文出处： Getting started with the Jupyter noteb...
-
Jupyter notebook入门教程（上）
本文将分上下两部分简单介绍Jupyter notebook的入门教程，英文原文出处： Getting started with the Jupy...
-
NTU林轩田机器学习基石课程学习笔记4 -- Feasibility of Learning
上节课，我们主要介绍了根据不同的设定，机器学习可以分为不同的类型。其中，监督式学习中的二元分类和回归分析是最常见的也是最重要的机器学习问题。本节...
-
NTU林轩田机器学习基石课程学习笔记3 -- Types of Learning
上节课我们主要介绍了解决线性分类问题的一个简单的方法：PLA。PLA能够在平面中选择一条直线将样本数据完全正确分类。而对于线性不可分的情况，可以...
-
NTU林轩田机器学习基石课程学习笔记2 -- Learning to Answer Yes/No
上节课，我们主要简述了机器学习的定义及其重要性，并用流程图的形式介绍了机器学习的整个过程：根据模型H，使用演算法A，在训练样本D上进行训练，得到...