从上面几篇的决策树開始,就能够開始进入到集成学习(ensemble learning)了,与其说集成学习是一种算法,倒不如说集成学习是一种思想. 集成学习的思想也是非常自然非常符合人类直观理解的. 用通俗的不能更通俗的话来说,要是一个机器学习器解决不了问题,那就多训练几个.再把这些学习器结合起来完毕 ...
分类：
其他好文 时间：
2017-08-19 12:46:12
阅读次数：
119
<tr v-for="player of players :class="player.factionId? 'horde':'alliance'"> <th>{{ player.ranking }}</th> <th>{{ player.rating }}</th> </tr> 关于前端的东西，一 ...
分类：
其他好文 时间：
2017-08-19 10:54:19
阅读次数：
188
VC维在有限的训练样本情况下，当样本数 n 固定时。此时学习机器的 VC 维越高学习机器的复杂性越高。VC 维反映了函数集的学习能力，VC 维越大则学习机器越复杂(容量越大)。 所谓的结构风险最小化就是在保证分类精度（经验风险）的同一时候，减少学习机器的 VC 维，能够使学习机器在整个样本集上的期望 ...
分类：
其他好文 时间：
2017-08-16 23:13:58
阅读次数：
188
1. SVM 支持向量机学习的目标是找到一个分离超平面，能将实例分到不同的类。间隔最大化保证了了超平面的唯一性，即不仅将正负实例点分开，对离超平面最近的点，也有足够大的确信度将它们分开。 2. 什么是函数间隔和几何间隔？ 函数间隔y(wx+b)：|wx+b|表示点x距离超平面的远近，wx+b的符号与 ...
分类：
其他好文 时间：
2017-08-16 17:01:17
阅读次数：
131
非常久之前就学了SVM，总认为不就是找到中间那条线嘛，但有些地方模棱两可，真正编程的时候又是一团浆糊。參数任意试验，毫无章法。既然又又一次学到了这一章节，那就要把之前没有搞懂的地方都整明确，嗯~ 下面使用到的图片来自上海交大杨旸老师的课件。网址例如以下：http://bcmi.sjtu.edu.cn ...
分类：
其他好文 时间：
2017-08-15 19:56:00
阅读次数：
207
题目描述 给定一个含有n个数的序列a[1],a[2],a[3]……a[n]，程序必须回答这样的询问：对于给定的i,j,k，在a[i],a[i+1],a[i+2]……a[j]中第k小的数是多少(1≤k≤j-i+1)，并且，你可以改变一些a[i]的值，改变后，程序还能针对改变后的a继续回答上面的问题。你 ...
分类：
其他好文 时间：
2017-08-14 17:25:13
阅读次数：
147
最大间隔超平面 线性分类器回顾 当数据是线性可分的时候，PLA算法可以帮助我们找到能够正确划分数据的超平面hyperplane，如图所示的那条线。 哪一条线是最好的？ 对于PLA算法来说，最终得到哪一条线是不一定的，取决于算法scan数据的过程。 从VC bound的角度来说，上述三条线的复杂度是一 ...
分类：
其他好文 时间：
2017-08-13 23:21:35
阅读次数：
284
2017-08-13 Loss functiuon and opetimization 这节课主要介绍了损失函数的概念，和如何对损失函数进行优化，从而找到最优的参数值W； 损失函数介绍了两种，SVM - multi class calssifier: 对SVM的一个扩展，可以分类多个类别； mult ...
分类：
其他好文 时间：
2017-08-13 16:18:23
阅读次数：
130
1.语法 区分大小写 变量是弱类型(定义变量时只用 var 运算符，可以将它初始化为任意值。) 每行结尾的分号可有可无（建议写上） 注释与Java一样 括号表示代码块 2.变量 变量可以不用声明，变量是弱类型(统一使用var定义)，定义变量时候不使用关键字和保留字。(方法内定义变量使用var表名是局 ...
分类：
其他好文 时间：
2017-08-12 17:41:59
阅读次数：
229
