xieyipeng1998的博客

0、明确任务： 任务 原因 arm平台下编译arm版的bazel 在github上很可能没有arm下对应版本的bazel程序 用编译好的bazel编译tensorflow 最终任务 1、两句话 bazel版本要与被编译的tensorflow版本对应。 如何对应？在下载的tensorflow源码包下，有configure.py文件，打开，可看到最大最小bazel版本： 源码编译bazel要下载bazel-xxx-dist.zip，而不是bazel的Source code包。

第五章 决策树 本章讨论用于分类的决策树。 可认定为if-then规则集合 决策树的学习过程 特征选择 决策树生成 决策树修剪 优点 模型具有可读性 分类速度快 决策树基本概念 ID3和C4.5介绍特征选择、决策树的生成以及决策树的修剪 CART算法 5.1 决策树模型与学习 5.1.1 决策树模型 定义：分类决策树是一种描述对实例进行分裂的树形结构，由节点和有向边组成。节点有两种类型：内部节点和叶节点。内部节点表示一个特征或属性，叶节点表示一个类。 决策树示意图：

第四章 朴素贝叶斯法 朴素贝叶斯法和贝叶斯估计是不同的概念。 基于特征条件独立假设学习输入输出联合概率分布 基于此模型给出后验概率最大的输出y 本章叙述： 朴素贝叶斯法 学习与分类 参数估计算法 4.1 朴素贝叶斯法的学习与分类 4.1.1 基本方法 关于贝叶斯定理，以下摘一段 wikipedia 上的简介： 所谓的贝叶斯定理源于他生前为解决一个“逆概”问题写的一篇文章，而这篇文章是在他死后才由他的一位朋友发表出来的。在贝叶斯写这篇文章之前，人们已经能够计算“正向概率”，如“假设袋子里

第三章 KKK近邻 不具有显式的学习过程 三要素： kkk值的选择 距离度量 分类决策规则 本章结构： 叙述kkk近邻算法 讨论kkk近邻模型及三要素 实现方法：kdkdkd树 3.1 kkk近邻算法 直观的定义：给定训练数据集，对新的输入，在训练数据集中找到与该实例最近的k个实例，这k个实例的多数属于某个类，就把该输入实例分到这个类。 特殊情况k=1，称为最近邻算法。 3.2 kkk近邻模型 三要素： kkk值的选择 距离度量 分类决策规则 3.2.1 模型 三要素确定后

第二章 感知机 感知机是二分类的线性分类模型，分为原始形式和对偶形式。是神经网络和支持向量机的基础。 介绍感知机模型 叙述感知机的学习策略（特别是损失函数） 介绍感知机学习算法（包括原始形式和对偶形式），并验证算法收敛性。 2.1 感知机模型 定义 2.1（感知机） 假设输入空间（特征空间）是 χ⊆Rn \,\chi\subseteq R^n\,χ⊆Rn，输出空间是 Y={+1,−1} \,Y=\{+1,-1\}\,Y={+1,−1}。输入 x∈χ \,x\in \chi\,x∈χ，表示实例的特

第一章 统计学习方法概论 内容概要： 内容概括：简要叙述统计学习方法的基本概念 主要内容：监督学习 统计学习方法三要素 模型 策略 算法 正则化 交叉验证 学习的泛化能力 生成模型与判别模型 监督学习方法的应用 分类问题 标注问题 回归问题 1.1 统计学习 统计学习是关于计算机基于构建概率统计模型并运用模型对数据进行预测与分析的一门学科 学习：如果一个系统能够通过执行某个过程改进他的性能，这就是学习 统计学习的对象：数据 目的：预测及分析 方法 监督学习