weixin_41228571的博客

科学推理的两大手段： 归纳：从特殊到一般的泛化过程。 泛化：从样本中学习训练出不在样本中的数据集的共同特征，使其适用于整个样本空间。 演绎：从一般到特殊的特化过程。 特化：与泛化相反，整体样本的共同特征推演出具体特征。     例子理解： 编号 色泽 根蒂 敲声 好瓜 1 青绿

数据集（由多组具有相同属性的示例的记录集合）： 示例：关于一个事件或对象的描述的记录。例如，西瓜、芒果、菠萝。 特征（属性）：反映事件或对象在某方面的表现或性质的事项。例如，西瓜的色泽、根蒂、敲声。 属性值：属性上的取值。例如，西瓜色泽有青绿，乌黑。 属性空间：属性张成的空间。例如，西瓜的三种属性（色泽、根蒂、敲声）作为坐标轴组成的三维空间。 纬数：示例中包含特征（属性）

定义：机器学习算法在学习过程中对某种类型假设的偏好。 每种算法必有其归纳偏好，否则它将被假设空间中看似在训练集上“等效”的假设所迷惑，无法产生确定的学习结果。   例子理解： 编号 色泽 根蒂 敲声 好瓜 1 青绿 蜷缩 浊响 是 2 乌黑

1.1统计学习：     1.学习的概念            一个系统通过执行某些过程从而提高性能。类似于人类大的学习过程，通过不断的采用某种方式（算法）练习（执行算法程序），从中获取经验，根据经验总结找到自身问题并进行改正（调整参数），从而提高自身学习能力（泛化能力）。     2.学习的对象            学习的对象包括一切数据，例如：图片、文字、数字、视频、音频等等，通过提...

2.1感知机学习模型          概述：感知机是一种线性分类模型，通过特征空间中的超平面S将特征空间划分为两部分，w是超平面的法向量，b是特征空间的截距。为了方便理解，把超平面S定为二维图像中的线，这样可以根据坐标来理解分类原理，如下图：                                  图中可以看到蓝色和红色分别代表正例和反例，当w·x+b>0时为正例，当w·x...

4.1朴素贝叶斯所用到的数学和概率论知识   4.1.1概率论基础          条件概率：                                       乘法法则：                                                                                           （A、B互为独立事件...