左侧像高方差的算法，增加训练集的大小提高性能 右侧像高偏差的算法，不需要增大算法的规模,m=1000就很好了 一个很自然的方法是多加一些特征 或者在你的神经网络里加一些隐藏的单元等等 所以最后你会变成一个像左边的图 也许这相当于m等于1000 这给你更多的信心去花时间在添加基础设施来改进算法 而不是 ...
分类：
其他好文 时间：
2020-01-31 00:56:28
阅读次数：
81
迎各位老师同学关注和参加CVPR2020人脸心率估计竞赛，结果提交截止日期：3月5日：https://competitions.codalab.org/competitions/22287，500+人的训练集已开放下载(先在codalab注册参赛，然后填写数据申请协议即可)。介绍如下： Challe ...
分类：
其他好文 时间：
2020-01-30 09:30:28
阅读次数：
258
1.模型描述 拟合函数 $h_{\theta}(x)=\theta_{0}+\theta_{1} x$ $x=(x^{(1)},x^{(2)}...x^{(m)})$训练集 $h=(h^{(1)},h^{(2)}...h^{(m)})$训练集 共m个样本 参数 $\theta_{0}$是回归系数 $ ...
分类：
其他好文 时间：
2020-01-22 18:17:19
阅读次数：
88
习题 4.1 试证明对于不含冲突数据 (即特征向量完全相同但标记不同) 的训练集, 必存在与训练集一致 (即训练误差为 0)的决策树. 既然每个标记不同的数据特征向量都不同, 只要树的每一条 (从根解点到一个叶节点算一条) 枝干代表一种向量, 这个决策树就与训练集一致. 4.2 试析使用 "最小训练 ...
分类：
其他好文 时间：
2020-01-20 20:56:27
阅读次数：
459
聚类 非监督学习的算法 从未标记的数据中学习。所以，在非监督学习中我们要做的是给这种 没有标记的训练集合一个算法并且通过算法来为我们定义一些数据的结构。 对于这种结构的数据集，我们通过算法来发现他们 就像被分成两个聚类的点集 因此对于一种算法能够找到 被圈出来的类别，就称为聚类算法 比如说 到目前为 ...
分类：
其他好文 时间：
2020-01-20 14:51:02
阅读次数：
68
代价函数：又称损失函数，我的理解是用于更好地拟合样本，得到更合适模型的一个方法。 在线性回归中，假设函数为 hθ(x) = θ0 + θ1 * x ，其中θ0和θ1的变化会引起假设函数的变化，参数的选择决定了我们得到的直线相对于训练集的准确度。 为了让预测值和真实值的误差尽可能小和最小化θ0和θ1， ...
分类：
其他好文 时间：
2020-01-19 12:37:13
阅读次数：
69
Kernels I 我将对支持向量机算法做一些改变 以构造复杂的非线性分类器我们用"kernels(核函数)"来达到此目的 如果你有大量的特征变量 如果 n 很大 而训练集的样本数 m 很小 特征变量 x 是一个 n+1 维向量你应该拟合 一个线性的判定边界 .不要拟合非常复杂的非线性函数 因为没有 ...
分类：
其他好文 时间：
2020-01-18 19:21:56
阅读次数：
109
Bias-variance 分解是机器学习中一种重要的分析技术。 给定学习目标和训练集规模，它可以 把一种学习算法的期望误差分解为三个非负项的和，即本真噪音noise、bias和 variance noise 本真噪音是任何学习算法在该学习目标上的期望误差的下界； ( 任何方法都克服不了的误差) b ...
分类：
其他好文 时间：
2020-01-18 10:41:06
阅读次数：
87
电商、直播等业务要求以非常快的速度完成请求应答，计算和存储的飞速提高也在推动HPC、分布式训练集群、超融合等新应用的普及，网络变成制约性能的主要因素之一。为此，我们设计了低开销高性能的RoCE网络，构建了低时延、无损的大型以太网数据中心，作为RDMA等技术的底层基石，也为UCloud未来的物理网络建设打下了良好基础。一、低开销高性能的无损网络选型普通的内网进行数据包交互时，通常会使用系统级的TCP
分类：
其他好文 时间：
2020-01-17 21:27:34
阅读次数：
95
Baggging 和Boosting都是模型融合的方法，可以将弱分类器融合之后形成一个强分类器，而且融合之后的效果会比最好的弱分类器更好。 Bagging: 先介绍Bagging方法： Bagging即套袋法，其算法过程如下： 从原始样本集中抽取训练集。每轮从原始样本集中使用Bootstraping ...
分类：
其他好文 时间：
2020-01-15 21:16:43
阅读次数：
79
