标签:机器学习 第2页

机器学习

确定不收藏?机器学习必备的分类损失函数速查手册

31

红色石头 发布于 2018-09-16

在监督式机器学习中,无论是回归问题还是分类问题,都少不了使用损失函数(Loss Function)。损失函数(Loss Function)是用来估量模型的预测值 f(x) 与真实值 y 的不一致程度。若损失函数很小,表明机器学习模型与数据真实分布很接近,则模型性能良好;若损失函数...

阅读(753)评论(0)赞 (5)

机器学习

通俗解释协方差与相关系数

8

红色石头 发布于 2018-08-22

什么是协方差(Covariance)? 协方差表示的是两个变量的总体的误差,这与只表示一个变量误差的方差不同。 如果两个变量的变化趋势一致,也就是说如果其中一个大于自身的期望值,另外一个也大于自身的期望值,那么两个变量之间的协方差就是正值。 如果两个变量的变化趋势相反,即其中一个...

阅读(656)评论(0)赞 (6)

笔试面试

机器学习笔试题精选(七)

3

红色石头 发布于 2018-08-14

机器学习是一门理论性和实战性都比较强的技术学科。在应聘机器学习相关工作岗位时,我们常常会遇到各种各样的机器学习问题和知识点。为了帮助大家对这些知识点进行梳理和理解,以便能够更好地应对机器学习笔试包括面试。红色石头准备在公众号连载一些机器学习笔试题系列文章,希望能够对大家有所帮助!...

阅读(1315)评论(0)赞 (5)

机器学习

我的机器学习入门路线图

3

红色石头 发布于 2018-08-06

因为之前有不少朋友在微信或 QQ 上问我,机器学习、深度学习应该如何入门呢?对应这一问题,红色石头碰巧也在知乎上看到有人提问,就把自己的入门学习经验好好总结了一番,包括各种资源、课程笔记和建议,以及红色石头切身经历的机器学习路线图。希望对你有所帮助。 1. 放弃海量资料! 没错,...

阅读(3886)评论(0)赞 (19)

笔试面试

机器学习笔试题精选(六)

2

红色石头 发布于 2018-08-01

机器学习是一门理论性和实战性都比较强的技术学科。在应聘机器学习相关工作岗位时,我们常常会遇到各种各样的机器学习问题和知识点。为了帮助大家对这些知识点进行梳理和理解,以便能够更好地应对机器学习笔试包括面试。红色石头准备在公众号连载一些机器学习笔试题系列文章,希望能够对大家有所帮助!...

阅读(1271)评论(0)赞 (4)

机器学习

机器学习中的维度灾难

12

红色石头 发布于 2018-07-31

一、介绍 本篇文章,我们将讨论所谓的“维度灾难”,并解释在设计一个分类器时它为何如此重要。在下面几节中我将对这个概念进行直观的解释,并通过一个由于维度灾难导致的过拟合的例子来讲解。 考虑这样一个例子,我们有一些图片,每张图片描绘的是小猫或者小狗。我们试图构建一个分类器来自动识别图...

阅读(340)评论(0)赞 (1)

机器学习

多元函数的泰勒(Taylor)展开式

5

红色石头 发布于 2018-07-31

实际优化问题的目标函数往往比较复杂。为了使问题简化,通常将目标函数在某点附近展开为泰勒(Taylor)多项式来逼近原函数。 一元函数在点x_k处的泰勒展开式为: f(x) = f(x_k)+(x-x_k)f'(x_k)+\frac{1}{2!}(x-x_k)^2f”(...

阅读(663)评论(0)赞 (1)