<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[macro_xjq的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/macro_xjq</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; macro_xjq]]></copyright><item><title><![CDATA[西瓜书《机器学习》课后习题NFL]]></title><link>https://blog.youkuaiyun.com/macro_xjq/article/details/86018286</link><guid>https://blog.youkuaiyun.com/macro_xjq/article/details/86018286</guid><author>macro_xjq</author><pubDate>Mon, 07 Jan 2019 18:37:09 +0800</pubDate><description><![CDATA[

NO FREE LUNCH(没有免费的午餐定律——NFL)

该定理内容是，任意两个不同的归纳偏好（类似选择模型的“价值观”）/学习算法e，对于世界上所有问题的总误差是一样的（误差的总期望）。 换句话说，也就是，无论算法的是否聪明，或者聪明程度如何，都不是任何问题都适用，总有有些适用，有些不适应，比例五五开。所以得具体问题具体对待。

本题是原书上的例题的扩展，例题内假设问题是分类问题，可以算...]]></description><category></category></item><item><title><![CDATA[python爬虫(机器学习数据集的制作方式之一)]]></title><link>https://blog.youkuaiyun.com/macro_xjq/article/details/79089225</link><guid>https://blog.youkuaiyun.com/macro_xjq/article/details/79089225</guid><author>macro_xjq</author><pubDate>Sat, 20 Jan 2018 13:49:42 +0800</pubDate><description><![CDATA[好多python学习的书籍，最后一章，都会以python爬虫作为收尾的考核学习。
在我看来，这个只是机器学习的开始。
因为现在主流的 统计机器学习，都是需要训练集的。而训练集的收集，除了在网上找一些别人已经收集好的。还需要自己能够收集数据！ 
自己的训练网络，自己的数据适应性肯定是最好的。如果用别人的 训练集，还得按照别人的训练集是否有Label ，来确定自己是否为有监督模型。  总之！自己]]></description><category></category></item><item><title><![CDATA[假设空间的一个简单计算]]></title><link>https://blog.youkuaiyun.com/macro_xjq/article/details/78847379</link><guid>https://blog.youkuaiyun.com/macro_xjq/article/details/78847379</guid><author>macro_xjq</author><pubDate>Tue, 19 Dec 2017 21:05:16 +0800</pubDate><description><![CDATA[假设空间上一篇提到过，先做一个简单的介绍吧。


我们可以把学习过程看作一个假设（hypothesis）所组成的空间中进行搜索的过程，搜索目标是找到于训练集“匹配”（fit）的假设，假设一旦表示确定，假设空间以及其规模大小就可以确定了。
    Fx:   西瓜有色泽 “青绿”，“乌黑”，“浅白”。三种颜色。相同的，根蒂和敲声我们都定义为三种。  西瓜也只有这三个属性。  求假设空间多大？]]></description><category></category></item><item><title><![CDATA[基本术语（告诉你西瓜书为什么叫西瓜书）]]></title><link>https://blog.youkuaiyun.com/macro_xjq/article/details/78838353</link><guid>https://blog.youkuaiyun.com/macro_xjq/article/details/78838353</guid><author>macro_xjq</author><pubDate>Mon, 18 Dec 2017 23:54:06 +0800</pubDate><description><![CDATA[为什么这本《机器学习》，封面会有很多西瓜？
为什么要叫他西瓜书？
就因为封面是西瓜？]]></description><category></category></item><item><title><![CDATA[序章（简述机器学习的历史和派系）]]></title><link>https://blog.youkuaiyun.com/macro_xjq/article/details/78837960</link><guid>https://blog.youkuaiyun.com/macro_xjq/article/details/78837960</guid><author>macro_xjq</author><pubDate>Mon, 18 Dec 2017 22:45:37 +0800</pubDate><description><![CDATA[下面为我所吸纳的西瓜书内的知识：
1980s-1990s      符号机器学习是主流研究派系（西瓜书没有介绍，但是我字面臆测，可能就是给所有逻辑语言或者是事件，加上一个符号标记，然后通过对符号的适应学习，从而能够对对应的逻辑事件进行学习，纯属臆测，如有雷同，纯属我TM运气好（niu bi ））


1990s-nowadays    统计机器学习是主流研究派系
         统计机]]></description><category></category></item></channel></rss>