weixin_46323666的博客

支持向量机的目的是找到一个超平面来将不同的类别分开；支持向量回归是回归问题，希望学得一个回归方程y=f(x)使得，f(x)与y尽可能接近。4.距离超平面最近的训练样本点使得（6.3）等号成立，这样的样本称作支持向量，两个异类支持向量到超平面的距离称作。核函数可以将样本从原始空间映射到一个更高维的特征空间，任意一个核函数都隐式地定义了一个称为“1.对于非线性可分的数据，需要将数据映射到更高维度的空间内，从而找到线性可分的超平面。1.求解SVM的最优解w、b值，可以转化为对偶问题，4.软间隔的对偶问题，...

参考资料西瓜书、南瓜书。神经网络这一章在机器学习中比较基础，但实际上它在深度学习中广泛应用，涵盖的点和范围非常的多，也是个难点，这里只是概述什么是神经网络以及一些基础概念。.........

这一章主要包括基本流程、划分选择、剪枝处理、连续与缺失值等。

线性模型是通过线性组合的形式学得预测的函数。本章主要内容有线性模型的基本形式、线性回归、对数几率回归、线性判别分析、多分类学习、类别不平衡。

目录 第一章 绪论1.基本术语 2.假设空间3.归纳偏好第二章 模型评估与选择1.经验误差与过拟合 2.评估方法 3.性能度量这一章主要介绍了机器学习的一些基本概念，包括基本术语，假设空间，归纳偏好等；数据集：从特征上：分为输入空间和输出空间；从样本上：分为训练集，测试集；其中训练集的样本又可以分为训练集和验证集；从机器学习类型上：分为监督学习和无监督学习；其中监督学习带有标签，有输出，每一条数据也称作样例。假设空间简单来说就是输入空间的集合。归纳偏好我理解的就是模型的拟合效果。奥卡姆剃刀原则：若有多个