机器学习基石-Three Learning Principles
来源:互联网 发布:树莓派gpio python 编辑:程序博客网 时间:2024/05/25 01:35
大纲
Occam’s Razor
Simple Model
简单的假设是指包含更少的参数
简单的模型是指包含更少的假设
简单的模型通常意味着简单的假设
Simple is Better
那为什么简单的模型更好呢?下面从哲学的角度简单解释一下。机器学习的目的是“找规律”,即分析数据的特征,总结出规律性的东西出来。假设现在有一堆没有规律的杂乱的数据需要分类,要找到一个模型,让它的
Sampling Bias
Sampling Bias
技术上的解释:训练数据来自分布
P1 ,而测试数据来自分布P2 ,P1≠P2 物理上的解释:努力学习数学,结果是英语考试。
如果训练数据和测试数据不来自同一个分布,那么VC Bounds就会失效
Dealing With Bias
尽量让测试数据和训练数据服从独立同分布
Data Snooping
Power of Three
Three Theoretical Bounds
Hoeffding 理论 是针对单个假设,所以他对于测试理论有帮助
Muti-Bin Hoeffding理论 是针对M个假设,所以对于验证理论有帮助
VC理论 是针对无限的假设,所以他对于训练理论很有帮助
阅读全文
0 0
- 机器学习基石-Three Learning Principles
- 台湾大学林轩田机器学习基石课程学习笔记16(完结) -- Three Learning Principles
- 台湾国立大学机器学习基石.听课笔记(第十六讲一):Three Learning Principle
- 台湾国立大学机器学习基石.听课笔记(第十六讲二):Three Learning Principle
- 计算机--机器学习---机器learning基石sum
- 机器学习基石-1-The Learning Problem
- 机器学习基石-3-Types of Learning
- 机器学习基石 4.1 Learning is Impossible?
- 机器学习基石 4.3 Connection to Learning
- 机器学习基石-01-the learning problem
- 机器学习基石-The learning problem
- 机器学习基石-Types of Learning
- 机器学习基石-Feasibility of Learning
- NTU-Coursera机器学习:机器学习基石 (Machine Learning Foundations)
- [MOOC学习笔记]机器学习基石 Lecture01 The Learning Problem
- [MOOC学习笔记]机器学习基石 Lecture01 The Learning Problem
- Machine Learning Foundations(机器学习基石)笔记 第一节
- Machine Learning Foundations(机器学习基石)笔记 第二节
- String 类
- 一些简单函数的作用
- 随机森林
- 湖大坑爹期中考试。
- [kernel 启动流程] (第一章)概述
- 机器学习基石-Three Learning Principles
- java设计模式之策略模式
- 量化投资学习日记3
- mybatis传多个参数(不使用@param注解情况下),3.4.2版本之后使用#{0}-#{n}引起的参数绑定异常,以及settings属性中useActualParamName的作用。
- 奇怪的分式
- 计算指定日期加天数后的日期
- 使用Node.js快速创建web服务
- iOS上滑动不流畅问题解决办法
- mysql 导出CSV文件 并带表头or字段