深入理解机器学习---从原理到算法 引言及简易入门

本文探讨了机器学习的需求背景,介绍了监督学习和无监督学习等基本概念,并讨论了学习器的输入、输出以及训练误差。同时,文章还触及了过拟合问题和解决策略,以及可实现性假设和精度参数的相关理论。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1.为什么需要机器学习?机器学习的分类

过于复杂的任务  适应性

监督学习和无监督学习   主动学习被动学习  老师的帮助

2.一般模型

①学习器的输入:领域 标签 训练数据

②输出:

训练集中的数据如何产生:首先依据概率分布D产生数据,然后利用正确的指示函数给出其标签()假设正确的指示函数存在。

衡量成功:

3.训练误差

4.如何解决ERM下的过拟合情况(在受限的搜索空间下)

对于有限类H,ERM(h)将不会发生过拟合,前提是具有足够多的训练样本。

5.可实现性假设:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值