106106106-优快云博客

原创周志华《机器学习》总结——五、神经网络

感知机（Perceptron）是由两层神经元组成的一个简单模型，输入层接收外界输入信号后传递给输出层，输出层是M-P神经元，进行激活函数处理。输入层的神经元个数等于样本的属性数目。（感知机与之前线性模型中的对数几率回归的思想基本是一样的，都是通过对属性加权与另一个常数求和，再使用sigmoid函数将这个输出值压缩到0-1之间，从而解决分类问题。不同的是感知机的输出层应该可以有多个神经元，从而可以实现多分类问题，同时两个模型所用的参数估计方法十分不同。

2025-04-07 21:03:50 801

原创周志华《机器学习》总结——四、决策树

决策树（Decision Tree）是一种常用的机器学习算法，广泛应用于分类和回归问题。

2025-04-05 23:35:25 686

原创周志华《机器学习》总结——三、线性模型

最为经典的拆分策略有三种：“一对一”（OvO）、“一对其余”（OvR）和“多对多”（MvM），核心思想与示意图如下所示。OvO：给定有N个真实类别的数据集D，将这N个类别进行两两配对（一个正类/一个反类），从而产生N（N-1）/2个二分类学习器，在测试阶段，将新样本放入所有的二分类学习器中测试，得出N（N-1）/2个结果，最终通过投票产生最终的分类结果。

2025-04-05 19:04:57 924

原创周志华《机器学习》总结——二、模型的评估与选择

学习器对样本的实际预测结果与样本的真实值之间的差：误差（error）。定义：训练误差（training error）或经验误差（empirical error）：在训练集上的误差测试误差（test error）：在测试集上的误差泛化误差（generalization error）：学习器在所有新样本上的误差，希望泛化误差尽量小在过拟合问题中，训练误差十分小，但测试误差教大；在欠拟合问题中，训练误差和测试误差都比较大。

2025-04-03 21:55:41 1101

原创周志华《机器学习》总结——一周学完西瓜书

人的“经验”对应计算机中的“数据”，让计算机来学习这些经验数据，生成一个算法模型，在面对新的情况中，计算机便能作出有效的判断，这便是机器学习。P：计算机程序在某任务类T上的性能。T：计算机程序希望实现的任务类。E：表示经验，即历史的数据集。若该计算机程序通过利用经验E在任务T上获得了性能P的改善，则称该程序对E进行了学习。

2025-04-03 14:49:45 858 1

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 周志华《机器学习》总结——五、神经网络

原创 周志华《机器学习》总结——四、决策树

原创 周志华《机器学习》总结——三、线性模型

原创 周志华《机器学习》总结——二、模型的评估与选择

原创 周志华《机器学习》总结——一周学完西瓜书

空空如也

空空如也

原创周志华《机器学习》总结——五、神经网络

原创周志华《机器学习》总结——四、决策树

原创周志华《机器学习》总结——三、线性模型

原创周志华《机器学习》总结——二、模型的评估与选择

原创周志华《机器学习》总结——一周学完西瓜书