SVM模型有两个非常重要的参数C与gamma。其中 C是惩罚系数，即对误差的宽容度。c越高，说明越不能容忍出现误差,容易过拟合。C越小，容易欠拟合。C过大或过小，泛化能力变差 gamma是选择RBF函数作为kernel后，该函数自带的一个参数。隐含地决定了数据映射到新的特征空间后的分布，gamma越 ...
分类：
其他好文 时间：
2017-10-13 23:40:09
阅读次数：
292
继承、实现、依赖、关联、聚合、组合的联系与区别 分别介绍这几种关系： 指的是一个类（称为子类、子接口）继承另外的一个类（称为父类、父接口）的功能，并可以增加它自己的新功能的能力，继承是类与类或者接口与接口之间最常见的关系；在Java中此类关系通过关键字extends明确标识，在设计时一般没有争议性； ...
分类：
其他好文 时间：
2017-10-11 13:00:04
阅读次数：
144
数据增强 在图像的深度学习中，为了丰富图像训练集，更好的提取图像特征，泛化模型(防止模型过拟合)，一般都会对数据图像进行数据增强，数据增强，常用的方式，就是旋转图像，剪切图像，改变图像色差，扭曲图像特征，改变图像尺寸大小，增强图像噪音(一般使用高斯噪音)等，但需要注意，不要加入其它图像轮廓的噪音。在 ...
分类：
其他好文 时间：
2017-10-11 12:49:21
阅读次数：
172
线性回归假设 代价函数－－－均方误差 最小化样本内代价函数 只有满秩方阵才有逆矩阵 线性回归算法流程 线性回归算法是隐式迭代的 线性回归算法泛化可能的保证 线性分类是近似求解，线性回归是解析求解， 线性分类中使用0/1误差，线性回归中使用均方误差， 误差方面，线性分类能小于线性回归， 但线性回归速度 ...
分类：
其他好文 时间：
2017-10-08 12:13:19
阅读次数：
144
支持向量机 1 概念 支持向量机是一种分类方法，通过寻求结构化、风险最小，来提高学习机泛化能力，实现经验风险和置信范围的最小化，从而达到在统计样本量较小的情况下，亦能获得良好统计规律的目的。通俗来讲，他是一种二类分类模型，基本模型定义为特征空间上的间隔最大的线性分类器，即支持向量机的学习策略便是间隔... ...
分类：
其他好文 时间：
2017-09-30 13:10:47
阅读次数：
196
https://en.wikipedia.org/wiki/Ensemble_learning Stacking Stacking (sometimes called stacked generalization) involves training a learning algorithm to ...
分类：
其他好文 时间：
2017-09-29 12:39:53
阅读次数：
186
过拟合 先谈谈过拟合，所谓过拟合，指的是模型在训练集上表现的很好，但是在交叉验证集合测试集上表现一般，也就是说模型对未知样本的预测表现一般，泛化（generalization）能力较差。 如图所示 （图片来源：coursera 吴恩达机器学习公开课） 从图中可以看出，图一是欠拟合，模型不能很好地拟合 ...
分类：
其他好文 时间：
2017-09-28 14:10:46
阅读次数：
121
泛化能力差和过拟合 引起过拟合的原因： 1）过度VC维（模型复杂度高） 2）噪声 3）有限的样本数量N 一个具体实验来看模型复杂度/确定性噪声、随机噪声、样本数量对过拟合的影响 关于确定性噪声 尽量避免过拟合： 1)从简单模型开始：降低模型复杂度 2)data cleaning/data pruni ...
分类：
其他好文 时间：
2017-09-27 00:42:46
阅读次数：
146
1.类图 UML类图是用来描述类、接口、协作及它们之间的关系的图。用来显示系统中各个类的静态结构。 2.类图的组成元素 类图由以下六种元素组成：类，接口，泛化关系，关联关系，依赖关系，实现关系。 3.类图的绘制 3.1类图的表示法 类的UML表示为一个长方形垂直分为三个部分：顶部为类的名称部分，中间 ...
分类：
其他好文 时间：
2017-09-26 19:25:55
阅读次数：
138
根据训练数据是否拥有标记信息，学习任务可大致划分为两大类：“监督学习”和“无监督学习”，分类和回归是前者的代表，聚类是后者的代表。 归纳与演绎--科学推理的两大基本手段。 机器学习的发展历程： 课后习题： 1.1假设数据集有n种属性，第i个属性可能的取值有ti种，加上该属性的泛化取值(*)，所以可能 ...
分类：
其他好文 时间：
2017-09-26 16:05:12
阅读次数：
213
