- 博客(6)
- 收藏
- 关注
RSS订阅原创 解决WSL中无法登录codex（亲测有效）
到这里，WSL2 NAT → Mirrored 就完成了。如果你后续还遇到局域网无法访问、端口不通，多半跟 Windows 防火墙/Hyper-V 规则有关（这个属于进阶内容，后面我再单独写一篇）。
2025-12-23 17:48:35
235
原创 CH3-集成学习之投票法与bagging
将一系列假想结合起来学习，在机器学习上的术语叫做集成学习 (ensemble learning)，而这些假想也可以称为个体学习器 (individual learner)：如果它们是同质的 (homogenous)，即只是用一种模型，那么它们常称为可称为基学习器 (base learner)同质的个体学习器低偏差高方差，用并行方法结合成的 bagging同质的个体学习器高偏差低方差，用序列方法结合成的 boosting如果它们是异质的 (heterogenous)，即使用多个模型，那么它们常
2021-08-26 17:49:31
276
原创 CH2-机器学习基础模型回顾-2
偏差与方差理论随着模型复杂度的不断增加，模型在训练集上的表现不断变好甚至使训练误差接近0（过拟合），而在测试集上的表现先变好后变差。测试均方误差曲线呈现U型曲线，这表明了在测试误差曲线中有两种力量在互相博弈。可以证明：E(y0−f^(x0))2=Var(f^(x0))+[Bias(f^(x0))]2+Var(ε) E\left(y_{0}-\hat{f}\left(x_{0}\right)\right)^{2}=\operatorname{Var}\left(\hat{f}\left(x_
2021-08-22 09:49:48
276
原创 CH2-机器学习基础模型回顾
非监督学习之生成数据集生成用于聚类的各向同性高斯分布数据集：import sklearn.datasetssklearn.datasets.make_blobs(n_samples=100, n_features=2, *, centers=None, cluster_std=1.0, center_box=- 10.0, 10.0, shuffle=True, random_state=None, return_centers=False)回归问题线性回归使拟合出的平面到数据点的距
2021-08-19 17:07:59
165
原创 CH1-机器学习的数学基础
高等数学导数拉格朗日乘子法拉格朗日函数： ????(????,????)=????(????,????)+????????(????,????) ????(????,????)为要优化的函数；。线性代数中心极限定理：当样本量足够大时，样本均值的分布慢慢变成正态分布...
2021-08-17 10:32:41
254
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人