<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Gaia0321的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Gaia0321</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Gaia0321]]></copyright><item><title><![CDATA[西瓜书 第5章 神经网络 读书笔记]]></title><link>https://blog.youkuaiyun.com/Gaia0321/article/details/101166605</link><guid>https://blog.youkuaiyun.com/Gaia0321/article/details/101166605</guid><author>Gaia0321</author><pubDate>Mon, 10 Jun 2019 10:51:00 +0800</pubDate><description><![CDATA[第5章神经网络(Neural Networks)
1.神经元模型
1.1 神经元(neuron)模型是神经网络最基本的成分
1.2 阈值(threshold)，亦称bias
1.3 M-P神经元模型


激活函数(activation function)，亦称响应函数
理想中的激活函数：阶跃函数


将输入值映射为输出值”0”或”1”

典型的激活函数：Sig...]]></description><category></category></item><item><title><![CDATA[西瓜书 第6章 支持向量机 读书笔记]]></title><link>https://blog.youkuaiyun.com/Gaia0321/article/details/101166604</link><guid>https://blog.youkuaiyun.com/Gaia0321/article/details/101166604</guid><author>Gaia0321</author><pubDate>Mon, 03 Jun 2019 14:31:00 +0800</pubDate><description><![CDATA[第6章支持向量机(Support Vector Machine， 简称SVM)
1.间隔与支持向量
1.1超平面(w, b)

存在多个划分超平面将两类训练样本分开


目标：粗线体那个划分超平面所产生的分类结果是最鲁棒的，对未见示例的泛化能力最强

线性方程


其中w为法向量，决定超平面的方向，b为位移项，决定超平面与原点之间的距离

样本空间中任意点...]]></description><category></category></item><item><title><![CDATA[西瓜书 第4章 决策树 读书笔记]]></title><link>https://blog.youkuaiyun.com/Gaia0321/article/details/101166584</link><guid>https://blog.youkuaiyun.com/Gaia0321/article/details/101166584</guid><author>Gaia0321</author><pubDate>Mon, 27 May 2019 00:18:00 +0800</pubDate><description><![CDATA[第4章决策树(decision tree)亦称“判定树”
1.基本流程
1.1决策树的组成

一个根节点：包含样本全集
若干个内部节点：对应于一个属性测试
若干个叶节点：对应于决策结果

1.2 决策树的目的


为了产生一棵泛化能力强，即处理未见视例能力强的决策树


1.3遵循的策略


分而治之(divide-and-conquer)

...]]></description><category></category></item><item><title><![CDATA[西瓜书 第3章 线性模型 读书笔记]]></title><link>https://blog.youkuaiyun.com/Gaia0321/article/details/101166601</link><guid>https://blog.youkuaiyun.com/Gaia0321/article/details/101166601</guid><author>Gaia0321</author><pubDate>Fri, 17 May 2019 14:48:00 +0800</pubDate><description><![CDATA[第3章 线性模型
1.基本形式
1.1线性模型（linear model）
试图学得一个通过属性的线性组合来进行预测的函数
函数形式：

向量形式：

1.2非线性模型（nonlinear model）
在线性模型的基础上通过引入层级结构或高位映射而得
1.4可解释性（comprehensibility/understandability）
ω直观表达了各属性...]]></description><category></category></item></channel></rss>