JYLin_master的博客

Video1: Noise and Probabilistic Target参考機器學習基石上 (Machine Learning Foundations)---Mathematical Foundations | Courser

Video1: Noise and Probabilistic TargetNoise在实务中，数据可能会有杂讯: y 标记错误 x 记录错误 相同的顾客 x，存在不同的结果 y QQQVideo2: Error MeasureVideo3: Algorithmic Error MeasureVideo4: Weighted Classification参考機器學習基石上 (Machine Learning Foundations)---Mathemati.

Video1: Definition of VC DimensionRecap: More on Growth Function回顾之前的内容: 找到了growth function 的上限是 B(N, k) B(N, k) 的上限是 以上必须在 N ≧ 2 , k≧ 3 的条件下才成立 Recap: More on VC bound回顾之前的内容: 找到坏事发生几率式子的上限 但前提是 N 够大，且具有 break point, k 只要演算法能够挑选到好的 ..

Video1: Restriction of Break PointThe Four Break Points在上一节课中，找到了4种 hypothesis 的 break point 当 k 是 break point，则 k+1 也会是 break pointRestriction of Break Point此处试图找出一些 break point 的特性 以一种 hypothesis 为例 N=1 : N=2 : N=3 :(可以透过随意取两个点无法 sh...

Video1: Recap and PreviewRecap当 M 的数量是有限的，且抽样的数量够大时，会很接近 当我们能透过，大概的估算出，则可以挑选一个最小的 g 因此学习是可行的Two Central Questions在过去的几堂课，分别是讲到: Week 1: 我们希望找到一个 Week 2: 在特定条件下， PLA 的确可以找到一个 g 使得 Week 3: 介绍了各种类型机器学习 Week 4:在特定条件下， 主要有两个问题 在什么条...

目录Video1: Learning is ImpossibleTwo Controversial AnswerNo Free LunchVideo2: Probability to the RescueInferring Something UnknownHoeffding's InequalityVideo3: Connection to LearningConnection to LearningAdded ComponentVerification Flow.

Video1: Learning with Different Output Space二元分类问题信用卡发卡问题是二元分类问题 输出 yes/no多分类问题输出的值域是多种类别回归问题输出是连续的数值Structured Learning输入与输出，都是带有结构、模式的数据 以词性标注任务为例: 输入: 单字序列 输出: 词性序列 底层是复杂的多分类问题 输入与输出都是有多种组合变化的可能 Video2: Learning with Dif.

Video1: Perceptron Hypothesis Set回顧上一堂課希望機器能學會預測特定用戶發卡後的表現是 (好/壞) 根據輸入的數據，透過演算法 A，從函數集合 H 中，找到合適的函數 gA Simple Hypothesis: Perceptron把顧客的各種數據，看成多維特徵 X 可以利用一種函數 H 進行計算，根據函數輸出決定是否要發卡 函數形式: 將特徵 X 乘上權重 W後加總後減去一閾值，看看數值的正負 不同的 W 會得到不同的 h，因此候選函數集合 ..

Video1: Course Introduction課程的設計學習機器學習，如果單從理論或是應用，都會有缺點 單從理論: 離應用有距離 單從應用: 太多種算法，不知從何挑選 本課程從基礎開始，以故事的形式從哲學、數學、演算法、應用等多種角度切入Video2: What is Machine Learning人類、機器學習的類比人類學習: 透過觀察，學習到一些技能 機器學習: 電腦透過數據、算法，模擬人類的學習過程 更具體的講，技能指的是表現的增進機器學習..