注：点估计是参数估计中的一种。点估计常用的方法有两种：矩估计和最大似然估计。之所以要做估计，最本质的问题是我们能获得的信息量（样本的数量）有限，因此只能在有限的信息中，用合理的方法、在可接受的精度或置信度下做近似计算，以便对总体有一个大概的认识，也就是将某种在有限样本下中获得的规律，泛化到更大的样本 ...
分类：
其他好文 时间：
2018-04-07 13:51:28
阅读次数：
175
以下关于决策树的内容来自网络，都是非常通俗易懂的。 一.GBDT简介 GBDT(Gradient Boosting Decision Tree) 是一种迭代的决策树算法，该算法由多棵决策树组成，所有树的结论累加起来做最终结果。它在被提出之初就和SVM一起被认为是泛化能力（generalization ...
分类：
其他好文 时间：
2018-04-03 15:27:48
阅读次数：
283
随机森林 对数据样本及特征随机抽取，进行多个决策树训练，防止过拟合，提高泛化能力 <!--5f39ae17-8c62-4a45-bc43-b32064c9388a:W3siYmxvY2tUeXBlIjoicGFyYWdyYXBoIiwic3R5bGVzIjp7ImFsaWduIjoibGVmdCIs ...
分类：
其他好文 时间：
2018-04-01 16:04:17
阅读次数：
5176
学习算法的预测误差（泛化误差），分解为三部分：bias，variance，noise。 对于测试样本x，令yD为x在数据集中的标记（可能存在噪声导致标记值和真实值不同），y为x的真实值，f(x;D)在训练集D上学得模型f在x上的输出。以回归任务为例： 学习算法的期望预测：就是在不同的数据集（同一来源 ...
分类：
其他好文 时间：
2018-03-26 12:34:15
阅读次数：
194
机器学习总结之第二章模型评估与选择 机器学习总结之第二章模型评估与选择 2.1经验误差与过拟合 错误率 = a个样本分类错误/m个样本 精度 = 1 - 错误率 误差：学习器实际预测输出与样本的真是输出之间的差异。 训练误差：即经验误差。学习器在训练集上的误差。 泛化误差：学习器在新样本上的误差。 ...
分类：
其他好文 时间：
2018-03-25 14:25:41
阅读次数：
246
请查看以下 泛化曲线 ，该曲线显示的是训练集和验证集相对于训练迭代次数的损失。 图 1 显示的是某个模型的训练损失逐渐减少，但验证损失最终增加。换言之，该泛化曲线显示该模型与训练集中的数据过拟合。根据 "奥卡姆剃刀定律" ，或许我们可以通过降低复杂模型的复杂度来防止过拟合，这种原则称为正则化。 也就 ...
分类：
其他好文 时间：
2018-03-25 12:11:09
阅读次数：
261
网站的页面能完整呈现在最终用户面前，需要经过很多个环节,人一个环节出了问题,都可能导致网站不可访问。DNS会被劫持，网卡会送掉，程序有Bug等等，要保证一个网扎很难永远完全可用几乎是一件不可能完成的使命。 1.了解网站可用性的度量与考核。 度量 1. 业界通常用多少个9来衡量网站可用性。 2. 网站 ...
分类：
其他好文 时间：
2018-03-22 22:41:22
阅读次数：
217
Author 和PointNet是同一批作者，这是对PointNet的一个改进版本 Abstract PointNet不能很好的捕捉由度量空间引入的局部结构，也就限制了它识别细粒度类别的能力以及对复杂场景的泛化能力 本文提出一个层级的神经网络递归地应用在嵌套划分的输入点云集。 通过探索度量空间的距离 ...
分类：
Web程序 时间：
2018-03-22 19:12:50
阅读次数：
360
定义 集成学习是一种机器学习范式，其中多个学习器被训练来解决相同的问题。 这与试图从训练数据中学习一个假设的普通机器学习方法相反，集成方法尝试构造一组假设并将它们结合使用。 一个集合包含一些通常被称为基础学习器的学习器。 一个集合的泛化能力通常比单个基础学习器的泛化能力强得多。 实际上，集成学习具有 ...
分类：
其他好文 时间：
2018-03-19 00:30:05
阅读次数：
230
为什么会出现spring，spring出现解决了什么问题? 1.分析普通多层架构存在的问题 JSP->Servlet->Service->Dao 层与层之间的依赖很强，属于耦合而且是紧耦合，各层对象的生命周期是由上层控制，下层定义或实现的改动都会影响到上层，需求变更时代码改变多； 通常我们平时都是直 ...
分类：
编程语言 时间：
2018-03-17 22:06:26
阅读次数：
319
