林軒田之機器學習課程筆記（why can machines learn之noise and error）（32之8）
概要 目標函數是一個概率分佈有噪音 損失函數 算法的損失函數 帶權重的分類 歡迎轉載，可以關注博客：http://blog.csdn.net/cqy_chen 概要 上節課主要講的是VC維，這是機器學習中很重要的概念。 本節課重要講的是存在噪音和錯誤的數據的時候，機器學習會如何表現。 目標函數是一個概率分佈(有噪音) 我們在前面的假設就是資料來源是一個完美的target。就是我們收集的信息有造影。
相關文章
- 1. 林軒田之機器學習課程筆記（why can machines learn之theory of generalization）（32之6）
- 2. 林軒田之機器學習課程筆記（why can machines learn之the VC dimension）（32之7）
- 3. 林軒田之機器學習課程筆記（why can machines learn之training versus testing）（32之5）
- 4. 林軒田之機器學習課程筆記（when can machines learn之learning to answer yes or no）（32之2）
- 5. 林軒田之機器學習課程筆記（when can machines learn之types of learning）（32之3）
- 6. 林軒田之機器學習課程筆記（ how can machines learn better之regularization）（32之14）
- 7. 林軒田之機器學習課程筆記（ how can machines learn better之hazard of overfitting）（32之13）
- 8. 林軒田之機器學習課程筆記（ how can machines learn之logistic regression）（32之10）
- 9. 林軒田之機器學習課程筆記（ how can machines learn之nonlinear transformation）（32之12）
- 10. 林軒田之機器學習課程筆記（ how can machines learn之linear models for classification）（32之11）
- 更多相關文章...
- • 您已經學習了 XML Schema，下一步學習什麼呢？ - XML Schema 教程
- • 我們已經學習了 SQL，下一步學習什麼呢？ - SQL 教程
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • Java 8 Stream 教程
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 林軒田之機器學習課程筆記（why can machines learn之theory of generalization）（32之6）
- 2. 林軒田之機器學習課程筆記（why can machines learn之the VC dimension）（32之7）
- 3. 林軒田之機器學習課程筆記（why can machines learn之training versus testing）（32之5）
- 4. 林軒田之機器學習課程筆記（when can machines learn之learning to answer yes or no）（32之2）
- 5. 林軒田之機器學習課程筆記（when can machines learn之types of learning）（32之3）
- 6. 林軒田之機器學習課程筆記（ how can machines learn better之regularization）（32之14）
- 7. 林軒田之機器學習課程筆記（ how can machines learn better之hazard of overfitting）（32之13）
- 8. 林軒田之機器學習課程筆記（ how can machines learn之logistic regression）（32之10）
- 9. 林軒田之機器學習課程筆記（ how can machines learn之nonlinear transformation）（32之12）
- 10. 林軒田之機器學習課程筆記（ how can machines learn之linear models for classification）（32之11）